Llegamos a ustedes gracias a:



Noticias

TensorFlow.js coloca el aprendizaje automático en el navegador

[18/09/2018] La biblioteca de aprendizaje automático de código abierto TensorFlow de Google se ha ampliado a JavaScript con Tensorflow.js, una librería JavaScript para implementar modelos de aprendizaje automático en el navegador.

Tensorflow.js, una biblioteca aceleración por WebGL, también funciona con el runtime JavaScript del lado del servidor Node.js y es parte del ecosistema de TensorFlow. Con el aprendizaje automático directamente en el navegador, no hay necesidad de controladores; los desarrolladores simplemente pueden ejecutar código.

El proyecto, que cuenta con un ecosistema de herramientas de JavaScript, evolucionó a partir de la biblioteca Deeplearn.js para aprendizaje automático basado en navegador; Deeplearn.js ahora se conoce como Tensorflow.js Core.

Las API de TensorFlow.js pueden utilizarse para construir modelos utilizando la librería de álgebra lineal JavaScript de bajo nivel o las API de las capas de más alto nivel. Los convertidores del modelo TensorFlow.js pueden ejecutar los modelos existentes en el navegador o con Node.js. Los modelos existentes se pueden volver a entrenar utilizando los datos de los sensores conectados al navegador.

Un tensor sirve como la unidad central de datos. Igualmente, se incluye una API de alto nivel e inspirada en Keras para crear redes neuronales.

Pero TensorFlow.js no es la única librería de JavaScript creada para redes neuronales; TensorFire, construida por estudiantes del MIT, ejecuta redes neuronales en una página web.

Tensorflow.js tiene una API similar a la API de Python de TensorFlow. Pero la API de JavaScript aún no soporta todas las funcionalidades de la API de Python. Los creadores de Tensorflow.js prometen lograr la paridad cuando tenga sentido, pero quieren proporcionar una API idiomática de JavaScript. TensorFlow con WebGL también funciona al 50% a 60% de la velocidad de la API de Python de TensorFlow que se usa con la biblioteca AVX.

Las mejoras previstas para TensorFlow.js incluyen:

  • Una biblioteca de visualización para realizar visualizaciones rápidas del modelo y los datos.
  • Mejoras en el desempeño del navegador.
  • Optimización de WebGL.
  • Una API de datos específica para navegador y para Node.
  • Integración de nube del lado de Node.js, incluyendo puntos de integración del tipo 'sin servidor'.
  • Mejor soporte asincrónico con la biblioteca de I/O asincrónica libuv.

Puede descargar TensorFlow.js de GitHub.