华云数据工程师谈2019前端战略规划之人工智能AI

随着人工智能技能的发展和国务院印发的《新一代人工智能发展规划》，人工智能越来越受到开发者们的关注，从而也导致了各种人工智能的库涌现出来，并且越来越完善强大。
 
传统意义上Python已经成为了最受欢迎的机器学习语言，近来，Javascript也出现的很多优秀的框架，尽管Javascrpt和Node.js的的性能要比 Python 和 Java 的性能差，但它们已经能够应对机器学习中的许多问题。同时，Web 编程语言也具有很强的易用性，即你只要搞定了 Web 浏览器，那么运行 JavaScript 人工智能项目就不是问题。
 
华云数据[智汇华云]专栏将为您奉上[2019前端战略规划]系列文章，本期将为您讲解2019前端战略规划之人工智能AI。
 
能做什么
 
前端工程在人工智能的团队到底能做什么，体现怎么的价值？从实践看，要完成一个完整的人工智能项目，三种东西是不可或缺的：算法，数据和工程。而前端在这三个方向种，最容易参与进去，同时也最容易做出成绩的地方就是在工程方面。
 
具体的大致可以分为五块内容：人机交互，数据可视化，产品Web，计算，模型训练和算法执行。对于前三点偏重交互的领域，毋庸置疑用前端做起来驾轻就熟，而后面偏重计算的领域，前端是否合适做，或者说前端该怎么去做是有可以探讨的。
 
这些年随着HTML技术的普及，浏览器对PC和手机硬件的控制越来越好。在AI的项目中，很多时候需要获取麦克风和摄像头的权限，好实现[听]，[说]，[看]的功能，对于图片的处理，网上也已经有不少用Canvas实现的例子。
 
相信大家对数据可视化也不会陌生，很容易能联想到阿尔法狗，这些年明显的趋势也是人工智能，比如语音识别、图像识别、人脸识别、指纹识别等，以及现在外面在做的一些数据可视化的内容。
 

TensorFlow

 
TensorFlow.js是一个开源的基于硬件加速的JavaScript库，用于训练和部署机器学习模型。
谷歌推出的第一个基于TensorFlow的前端深度学习框架TensorFlow.js 是一个开源的用于开发机器学习项目的 WebGL-accelerated JavaScript 库。
TensorFlow.js 可以为你提供高性能的、易于使用的机器学习构建模块，允许你在浏览器上训练模型，或以推断模式运行预训练的模型。TensorFlow.js 不仅可以提供低级的机器学习构建模块，还可以提供高级的类似 Keras 的 API 来构建神经网络。
 
优点：
1) 不用安装驱动器和软件，通过链接即可分享程序
2) 网页应用交互性更强
3) 有访问GPS，Camera，Microphone，Accelerator，Gyroscope等传感器的标准api（主要是指手机端）
4) 安全性，因为数据都是保存在客户端的
 
应用方式：
1) 在浏览器中开发ML
使用简单直观的API从头构建模型，然后使用低级别的JavaScript线性代数库或高层API进行训练。
2) 运行现有模型
使用TensorFlow.js模型转换器在浏览器中运行预训练好的TensorFlow模型。
3) 重新训练现有模型
使用连接到浏览器的传感器数据或其他客户端数据重新训练ML模型。
 
图形识别：你画我猜

这里演示创建一个简单的工具来识别手绘图像，并且输出当前图像的名称。无需安装任何额外的插件，可直接在浏览器上运行，使用谷歌Colab来训练模型，并使用TensorFlow.js将它部署到浏览器上。
Demo地址：
https://zaidalyafeai.github.io/sketcher/
Code地址：
https://github测试数据/zaidalyafeai/zaidalyafeai.github.io/tree/master/sketcherher
 
数据集
 
使用卷积神经网络（CNN）来识别不同类型的手绘图像。
这个卷积神经网络将在QuickDraw数据集
（https://github测试数据/googlecreativelab/quickdraw-dataset）上接受训练。
该数据集包含 345 个类别的大约 5 千万张手绘图像。
 

查看更多关于华云数据工程师谈2019前端战略规划之人工智能AI的详细内容...