Propel項目改為基于TensorFlow.js

407247935 6年前發布 | 29K 次閱讀 TensorFlow

Propel 項目給出一種科學計算和機器學習JavaScript庫。近期，該項目宣布改變研發方向。Propel最初致力于擴展TensorFlow的deeplearn.js和C語言實現。但在2018年3月Propel首次發布后數星期， Google就發布了Tensorflow.js 。Tensorflow.js是由Google發布的Javascript庫deeplearn.js演化而來。

考慮到Tensorflow.js和Propel兩者在底層方法上的相似性，Propel項目團隊迅速認識到，歸并到同一共享平臺是一種更好的做法：

TensorFlow.js（TFJS）近期發布。它設計良好，為后向傳播（backprop）提供了自動微分（autograd）風格的接口，并將努力實現對Node的支持。這也符合我們的要求。追求兩者的齊頭并進會適得其反。因此，我們放棄了自己的后向傳播實現、與TF C的綁定，以及構成Propel庫基礎的TF/DL橋。我們打算基于TFJS重新設計我們的工作。

由此，當前Propel項目正在重啟。Propel網站已不再提供服務以及使用Propel例子，并且在團隊努力確定新方向期間，在過去幾周內項目面向公眾的活動一直很少：

我們的高層目標依然是實現用于JavaScript科學計算的高效工作流。基于TFJS構建，使我們得以聚焦于高層功能。

類似于Propel最初的早期工作，TensorFlow.js也使用WebGL實現受GPU支持的數值計算。據TensorFlow.js團隊介紹，現在TensorFlow.js提供了對Node.js的支持：

是的！我們近期發布了TensorFlow對Node.js的綁定。這使得同一JavaScript代碼可工作于瀏覽器和Node.js中，同時綁定到節點中底層的TensorFlow C語言實現。你可以通過GitHub追蹤項目的進展，并試用NPM軟件包。

作為TensorFlow.js發布的一部分，deeplearn.js軟件庫已成為TensorFlow.js的核心庫（Core）。在核心庫之外，TensorFlow.js還添加了一個構建機器學習模型和工具的Layers API，支持自動移植TensorFlow SavedModel格式和Keras HDF5格式的模型。

Propel和TensorFlow.js項目均采用Apache 2.0許可開源。鼓勵開發人員通過 TensorFlow.js 和 Propel 的GitHub代碼庫做出貢獻。

查看英文原文： Propel Shifts Plans to Leverage TensorFlow.js

 

來自：http://www.infoq.com/cn/news/2018/05/propelml-tensorflowjs-shift

 

 本文由用戶 407247935 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。
 轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。
 本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！