Suche
Maschinelles Lernen

Deeplearn.js bringt Maschinelles Lernen in den Browser

Gabriela Motroc

© Shutterstock / Holmlund

Unternehmen suchen händeringend nach Entwicklern, die sich mit Maschinellem Lernen und Deep Learning auskennen. Doch diese sind rar gesät. Die Open Source Library deeplearn.js will diesen Engpass bekämpfen und bietet Maschinelles Lernen direkt im Browser mit JavaScript.

Die Welt dreht sich zurzeit um Machine Learning. Kevlin Henney, Consultant und Trainer, erklärte uns in einem Interview: „Maschinelles Lernen führt uns in eine neue Richtung.“ Auch wenn man nicht mit ihm einer Meinung ist, ist dennoch eines klar: Maschinelles Lernen ist gekommen, um zu bleiben, und wir kratzen gerade lediglich an der Oberfläche des Möglichen.

Diesen Monat gab IBM auch seine Machine-Learning-Plattform Watson für die Öffentlichkeit frei. Im Januar brachte Tensorflow Maschinelles Lernen auf mobile Plattformen. Stack Overflow hat außerdem herausgefunden, dass DevOps- und Machine-Learning-Spezialisten die am besten bezahlten Jobs zurzeit sind. Also steht außer Zweifel, dass im Maschinellen Lernen nicht nur großes Potenzial, sondern auch das Geld steckt.

Laut den Googlern Nikhil Thorat und Daniel Smilkov sei die Entwicklung von ML-Systemen auf diejenigen beschränkt, die über große Computerressourcen und die technische Expertise verfügen mit allgemein erhältlichen ML-Bibliotheken zu arbeiten. Jetzt kommt deeplearn.js, eine Open-Source-JavaScript-Bibliothek für Maschinelles Lernen, die WebGL nutzt. Das Beste daran ist, dass die Bibliothek komplett im Browser läuft, es gibt also weder Installation noch Backend.

Sehen Sie auch im Video: Grundlagen der Spracherkennung – so funktionieren Alexa, Cortana, Siri & Co

Thoar und Smilkov, beides Entwickler im Big-Picture-Team bei Google, eröffneten in einem Blogpost den Release von deeplearn.js 0.1.0. „Eine client-seitige ML-Bibliothek kann eine Plattform für Rapid Prototyping und Visualisierung oder für Offline-Berechnungen sein“, erklären die Entwickler. „Nicht zuletzt ist der Browser eine der weltweit populärsten Programmierumgebungen.“

Web-Machine-Learning-Bibliotheken sind keine Neuheit aber die größten Nachteile sind, dass sie entweder von der Geschwindigkeit von Javascript Grenzen gesetzt bekommen oder mit Inferenzen zu kämpfen haben. Deeplearn.js bietet „eine deutliche Beschleunigung durch WebGL, um Berechnungen auf der GPU vorzunehmen, mit der Fähigkeit Rückwärtspropagierung durchzuführen“.

Die Entwickler erklären, dass die APIs die Strukturen von TensorFlow und NumPy nachahmen, mit einem verzögerten Ausführungsmodell für Training (wie bei TensorFlow) und einem sofortigen Ausführungsmodell für Inferenzen (wie bei NumPy). „Wir haben außerdem ein paar der am meisten genutzten TensorFlow-Operationen implementiert. Mit dem Release von deeplearn.js bietet wir Tools an, um Gewichtungen von TensorFlow zu exportieren. Das ermöglicht es Nutzern, diese in ihre Web-Anwendundung zu importieren und für deeplearn.js-Inferenzen zu nutzen“, erläutern die Entwickler.

Wenn man die Bibliothek in Aktion sehen möchte, kann man ein Convolutional Neural Network darauf trainieren Fotos und handgeschriebene Zahlen zu erkennen. Das Schöne daran: Es funktioniert im Browser ohne eine Zeile Code zu schreiben. Auf der Webseite zum Projekt finden sich die Demos.

Geschrieben von
Gabriela Motroc
Gabriela Motroc
Gabriela Motroc ist Online-Redakteurin für JAXenter.com. Vor S&S Media studierte Sie International Communication Management an der The Hague University of Applied Sciences.
Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.