比Tensorflow还强？

大家好，我是章北海

Python是机器学习和深度学习的首选编程语言，但绝不是唯一。训练机器学习/深度学习模型并部署对外提供服务（尤其是通过浏览器）JavaScript 是一个不错的选择，市面上也出现了很多 JavaScript 机器学习库，比较著名的就是谷歌的 TensorFlow.js。我在《用浏览器玩机器学习，赞！》一文中已详细介绍TensorFlow.js的用法，感兴趣的同学可以去看看。

今天要向大家介绍一个功能更加强大的 JavaScript 机器学习库——ML5.js。它构建在 Tensorflow 之上，可进一步简化直接从 JavaScript访问机器学习模型的过程。

ml5.js

ml5.js是一个javascript实现的，能在浏览器里面运行的机器学习框架，它封装了tensorflow.js的API，给开发者提供一个更简单的使用环境，降低了机器学习编码的成本。

ml5js官方提供的机器学习案例类型有图像、声音和文本三个类别.

每个模型都有初始化，参数，属性，方法的详细介绍，以ml5.imageClassifier() 为例，大家去对应目录查看即可：

其实大家完全不用担心难以使用，因为ml5.js，太简单了。有多简化？我们看一下核心代码：

// Step 1: 使用MobileNet创建图像分类模型
const classifier = ml5.imageClassifier('MobileNet', onModelReady);

// Step 2: 选择一张图片
const img = document.querySelector("#myImage")

// Step 3: 预测图片分类结果
let prediction = classifier.predict(img, gotResults);

// Step 4: 对结果进行操作
function gotResults(err, results) {
  console.log(results);

}

html中使用ml5.js更简单了，只需一行：

<script src="https://unpkg.com/[email protected]/dist/ml5.min.js" type="text/javascript"></script>

是不是及其简单？

ml5js 如何入门

学习ml5.js最佳方式是从官方实例入手：examples.ml5js.org

大家可以通过 p5.js web editor查看案例，不但可以实时看到效果，还有具体代码：

不过我更推荐克隆整个项目，然后在本地运行这些案例，步骤如下：

# 1:克隆项目
git clone https://github.com/ml5js/ml5-library.git
cd ml5-library

# 2:安装依赖
npm install

# 3:运行本地服务
npm run develop

# 4:浏览器访问  localhost:8081

ml5js 实例

以图形识别为例，一个项目必须包含一个html页面，代码如下：

<html>

<head>
  <meta charset="UTF-8">
  <title>Image Classification Example</title>
  <script src="https://unpkg.com/[email protected]/dist/ml5.min.js" type="text/javascript"></script>
</head>

<body>
  <h1>Image classification using MobileNet</h1>
  <p>The MobileNet model labeled this as <span id="result">...</span> with a confidence of <span id="probability">...</span>.</p>
  <img src="images/dog.jpeg" id="image" width="400"                    />
  <script src="sketch.js"></script>
</body>

</html>

模型实现在 sketch.js，代码如下：

const image = document.getElementById('image'); // 需要识别的图片
const result = document.getElementById('result'); // html中的结果标签
const probability = document.getElementById('probability'); // 识别概率标签

// 用MobileNet初始化imageClassifier
ml5.imageClassifier('MobileNet')
  .then(classifier => classifier.classify(image))
  .then(results => {
    result.innerText = results[0].label;
    probability.innerText = results[0].confidence.toFixed(4);
  });

在image目录下放我们要识别的图片，本例中就是dog.jpeg

建议VsCode运行，记得安装 Live Server 插件

用 Live Server 打开index.html，浏览器会自动弹出

jpld