DeepThought.js
Machine-Learning im Browser.
Was ist DeepThought.js
DeepThought.js ist eine JavaScript Library für Machine Learning im Browser. Es baut auf der Toy-Neural-Network-JS Library von Daniel Shiffmann auf und erweitert diese mit der möglichkeit für Multi-Layer-Netzwerke. Mehrere Trainingsfunktionen wie Back-Propagation und ein Genetischer Algorythmus sollen mit eingebaut werden.
Getting started
CDN
Die Library ist bis jetzt nur als CDN verfügbar
<script src="https://lavakonsti.github.io/DeepThought.js/beta/DeepThought.min.js" charset="utf-8"></script>
Als Download und NPM Package wird es nach dem ersten Release veröffentlicht.
Example
So würde es bis jetzt aussehen ein NeuralNetwork zu Erstellen, trainieren und zu nutzen.
DeepThought.js importieren
<!DOCTYPE html>
<html>
<head>
<title>DeepThought.js</title>
<script src="https://lavakonsti.../.../DeepThought.min.js" charset="utf-8"></script>
<script src="./app.js"></script>
</head>
<body>
</body>
</html>
JavaScript:
// initialize the neural network
let nn = new dt.NeuralNetwork();
// init and add the layers
let layers = [
{ type: 'input', nodes: 2 },
{ type: 'hidden', nodes: 4}, // NOTE: order of the hidden layers is important
{ type: 'hidden', nodes: 4},
{ type: 'output', nodes: 2}
];
nn.addLayers(layers);
// train the neural network
nn.train([trainingData], [targetData], (errorRate) => {
console.log(errorRate);
use();
}, iterations?); // NOTE: default is 10000
function use() {
let result = nn.predict([someData]);
}
Dokumentation
Eine vollständige Dokumentation der Library ist hier verfügbar.
Getting Involved
1. Repository forken
2. Befehl im Root-Folder:
$ npm install
3. Projekt Bearbeiten
4. Befehl für compile & build:
$ npm run build
5. Eigene Produktivität bestaunen :
Das endgültige Build-Produkt ist ./build/DeepThought.js
.
Der Ordner ./dist/
ist nur der compilierte JavaScript code.
License
Die Library ist unter der MIT License verfügbar.
Mehr über die License hier.