transcranial/keras-js
Keras Js
Keras-js ist eine JavaScript-Inferenz-Engine und ein browserbasiertes Machine-Learning-Framework, das darauf ausgelegt ist, vortrainierte Keras-neuronale Netze auszuführen. Es ermöglicht clientseitige Modell-Inferenz in Webbrowsern oder Node.js-Umgebungen, ohne dass ein Backend-Server erforderlich ist.
Die Bibliothek nutzt einen WebGL-Tensor-Beschleuniger, um mathematische Operationen zur Hardwarebeschleunigung auf den Grafikprozessor abzubilden. Um die Reaktionsfähigkeit der Benutzeroberfläche während rechenintensiver Berechnungen aufrechtzuerhalten, integriert sie eine Web-Worker-Inferenz-Runtime, die die Verarbeitung neuronaler Netze in Hintergrund-Threads ausführt.
Das System unterstützt das Laden von Modellen über JSON-Konfigurationsdateien und Gewichtungs-Tensoren. Es verwaltet große numerische Arrays unter Verwendung von WebGL-Texturspeicherung, um Hochgeschwindigkeits-Speicherzugriffe während der Tensor-Ausführung zu ermöglichen.
Features
- Keras Model Execution - A JavaScript library for running pre-trained Keras neural networks directly in the browser or Node.js environment.
- Web-Based Machine Learning - Provides a framework for integrating and executing machine learning models directly within web browsers.
- Client-Side Inference - Enables the execution of pre-trained machine learning models directly within the web browser.
- Browser-Based Frameworks - Implements a deep learning framework specifically designed to run within web browser environments.
- GPU-Accelerated Computation - Offloads mathematical tensor operations to graphics hardware for high-performance numerical processing.
- WebGL Tensor Acceleration - Accelerates tensor operations by mapping mathematical computations to WebGL shaders and textures.
- Inference Execution - Implements the execution of inference tasks on trained models to generate outputs.
- External Model Loading - Imports and initializes pre-trained Keras models using JSON configuration files and weight tensors.
- Tensor Texture Storage - Utilizes WebGL texture storage to manage large numerical arrays for high-speed memory access during tensor execution.
- Inference Runtimes - Provides a background execution system that runs heavy machine learning computations in separate threads.
- Inference Threading - Executes neural network processing in background web worker threads to maintain user interface responsiveness.
- Responsive Interface Threading - Offloads heavy neural network computations to background threads to prevent the browser interface from freezing.
- Deep Learning Frameworks - Run Keras models in the browser using WebGL.
- Machine-Learning-Frameworks - Browser-based execution of Keras models with WebGL acceleration.
- Developer Tools - Engine for running trained models in web browsers.
- Frameworks and Libraries - Browser-based execution for Keras models.
