行业动态

一.Synaptic.js：用于浏览器的神经网络库

Synaptic.js是一个用于node.js 和浏览器的 JavaScript 神经网络库，可以构建和训练基本上任何类型的一阶甚至二阶神经网络。

该项目内置了 4 种经典的神经网络算法：多层感知器（multilayer perceptrons）、长短期记忆网络（multilayer long-short term memory networks）、液体状态机（Liquid State Machine）、Hopfield神经网络。使用 Synaptic.js ，你可以轻松测试和比较不同体系结构的性能。

二.VideoOS open：视频小程序

由极链科技推出的视频小程序在 github 上公开了源代码，并给这个新版本取名“VideoOS open”，意为开放、开源。用户可以上 github 搜索关键字“VideoOS”查看代码。

VideoOS open 的动态化解决方案基于阿里开源的 LuaViewSDK。Lua 是一个高效灵活的语言，它可以非常方便地绑定各类底层库，在 iOS 上单个 Lua 虚拟机仅占用200K到300K。集成 VideoOS open 的移动端 SDK 后，APP 包体增加控制在2.5M以内。

开发者完成 Lua 脚本开发后，只需要在控制台上传，并进行投放，新应用即可触达用户。开发，测试，上线完整的流程可以缩短到1周时间。

官方目前已经开发了气泡对话、卡牌收集、中插广告、投票、云图5款应用，用户也可以对这些应用的 Lua 脚本稍作修改，针对各自的行业做定制化开发。

三.Sockeye：基于Apache MXNet的神经机器翻译框架

Sockeye 是一个基于 Apache MXNet 的快速而可扩展的深度学习库。其代码库具有来自 MXNet 的独特优势。例如，通过符号式和命令式 MXNet API，Sockeye 结合了陈述式和命令式编程风格；它同样可以在多块 GPU 上并行训练模型。

Sockeye 实现了 MXNet 上当前最佳的序列到序列模型。它同样为所有序列到序列模型的超参数提供恰当的默认值。对于优化，无需担心停止标准、指标跟踪或者权重初始化。可以简单地运行已提供的训练命令行界面（CLI），也可以轻易改变基础模型架构。

四.CycleGAN：生成对抗网络图像处理工具

这个工具功能十分强大，不仅可将绘画作品“还原”成照片（可理解为是一个“反滤镜”），还能将夏天转换成冬天，或将普通的马转化成斑马。

与其它人工智能绘画不同，CycleGAN 的研究团队试图建立一个可双向转化不丢失信息的双向算法。在 CycleGAN 里照片的细节被要求完全保留，研究人员希望能够将一张图片输入 CycleGAN 后进行多次反复转化（照片→绘画→照片→绘画→照片），最终可以获得与原始照片相同或相近的图片。

五.Deeplearn.js:可实现硬件加速的机器学习JavaScript库

DeepLearn.js 是谷歌推出的一个可用于机器智能并加速 WebGL 的开源 JavaScript 库，完全在浏览器中运行，不需要安装，不需要后端处理。

DeepLearn.js 提供高效的机器学习构建模块，使我们能够在浏览器中训练神经网络或在推断模式中运行预训练模型。它提供构建可微数据流图的 API，以及一系列可直接使用的数学函数。

虽然浏览器上的机器学习库已经存在多年（例如 Andrej Karpathy 的 convnetjs），但是它们受到 JavaScript 速度的限制，或者局限于推理而不能用于训练（例如 TensorFire）。相比之下，deeplearn.js 通过利用 WebGL 在GPU上执行计算，以及进行完全反向传播（full backpropagation）的能力，实现了显着的加速。