اشتراک ایمیل
APK Blog - Virtualization, Services, Datacenter, Infrastructure

یادگیری ماشینی در مرورگرها با ارائه‌ی Deeplearn.js توسط گوگل

محصول Deeplearn.js به عنوان یک Library متن‌باز (Open Source) که دارای GPU به صورت Accelerate شده می‌باشد، امکان یادگیری شبکه‌‌های عصبی و یا اجرای مدل‌های از پیش آموزش داده شده را فراهم می‌کند.

گوگل با ارائه این محصول یک Library متن‌بازِ دارای سخت‌افزار Accelerate شده، که قابل‌اجرا در مرورگر می‌باشد را برای یادگیری ماشینی ایجاد نموده است. این Library در‌حال‌حاضر تنها در نسخه‌ی دسکتاپ Google Chrome پشتیبانی می‌شود اما کارشناسان این پروژه در تلاشند تا با توسعه‌ آن از تعداد تجهیزات بیشتری پشتیبانی نمایند.

Deeplearn.js Library این قابلیت را دارد تا بدون نیاز به داشتن Back End خاصی و یا نصب هرگونه نرم‌افزار، فرآیند آموزش برروی شبکه‌های عصبی را در یک مرورگر راه‌اندازی ‌نماید. طبق اعلام محققان گوگل، این Library یادگیری ماشینی در سمت Client را می‌توان در قالب یک پلتفرم برای توضیحات تعاملی، نمونه‌سازی و تصویرسازی سریع و حتی برای Offline Computation استفاده نمود. ضمن اینکه این مرورگر یکی از پرکاربردترین پلتفرم‌ها برای برنامه‌نویسی نیز محسوب می‌شود.

بنا به گفته محققان، Deeplearn.js با استفاده از WebGL JavaScript API برای کارت‌های گرافیکی دو و سه بعدی، می‌تواند محاسبات مربوطه را برروی GPU اجرا کرده و با ارائه عملکردی قابل‌توجه مساله‌ی محدودیت سرعت در JavaScript را برطرف نماید.

لازم به ذکر است که Deeplearn.js ساختار هوش ماشینی در TensorFlow Library و ساختارPackage  علمی محاسباتی NumPy که بر زبان Python مبتنی می‌باشد را شبیه‌سازی می‌کند. گوگل همچنین از پیاده‌سازی چندین نسخه‌ از پرکاربردترین عملیات TensorFlow خبر داده و افزوده است که در آینده ابزارهایی را فراهم خواهد نمود که به برنامه‌نویسان اجازه می‌دهد با خارج نمودن Weight از Checkpoint‌های TensorFlow، آنها را به صفحات وب در واسط کاربریِ Deeplearn.js  وارد نمایند.

شرکت APK (امن پایه ریزان کارن) دارای مجرب ترین تیم طراحی شبکه و نخستین شرکت دانش محور در اجرای پروژه های انفورماتیکی کشور

از موارد قابل توجه دیگر در این محصول آن است که هرچند در Deeplearn.js از زبان انتخابیِ  TypeScript مایکروسافت استفاده می‌گردد اما زبان ساده‌ی JavaScript نیز قابل‌استفاده است. لازم به ذکر است که دموهای Deeplearn.js در Homepage این محصول نمایش داده می‌شود. به علاوه، Deeplearn.js با تکنولوژی‌های دیگر یادگیری ماشینی در JavaScript و مرورگرهایی همچون TensorFire که اجرای شبکه‌های عصبی را در صفحه وب ممکن می‌سازند و یا مرورگر ML.js که یادگیری ماشینی و ابزارهای آنالیز عددی را در JavaScript برای Node.js فراهم می‌کند، ارتباط برقرار می‌سازد.