机器学习系列课程：如何在浏览器里进行深度学习？

TensorFlowJS是一个开源软件库JavaScript ，可以在浏览器和 Node.js 训练和部署机器学习模型，可用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品，如语音识别、Gmail、Google 相册和搜索。

本系列课程从基本概念开始，由浅入深的介绍了如何利用TensorflowJS在浏览器中进行深度学习。

在浏览器中进行深度学习：TensorFlow.js (一）基本概念

线性代数（Linear algebra）是整个深度学习的数学基础。而张量（Tensor）是线性代数的基本数学概念和运算单元。这一张介绍了有关张量的基本概念和运算。

http://immersivemath.com/ila/index.html

希望了解更多的有关线性代数的知识，请参考：

机器学习中的线性代数
用于深度学习的线性代数备忘清单
为什么线性代数如此难教？

在浏览器中进行深度学习：TensorFlow.js (二）线性回归

线性回归是最基本的机器学习，适合学习其它模型之前来了解。

在统计学中，线性回归是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归，大于一个自变量情况的叫做多元回归。在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。

希望了解更多的线性回归的知识，请参考：

免费Python机器学习课程一：线性回归算法
线性回归终极指南
图解机器学习线性回归

在浏览器中进行深度学习：TensorFlow.js (三）更多的基本模型

在本章中，我们利用TensorflowJS实现了逻辑回归和K近邻算法。并利用梯度下降的原理解决了一个几何问题，如果通过平面上的三个点来确定一个圆。

更多逻辑回归，梯度下降的内容，请参考：

逻辑回归的几何解释
机器学习算法简介-Logistic回归
了解逻辑回归系数
图解机器学习逻辑回归
梯度下降方法的视觉解释（动量，AdaGrad，RMSProp，Adam）

在浏览器中进行深度学习：TensorFlow.js (四）识别MNIST手写数据

MINST数据集来进行手写识别对于深度学习而言，就像是学习编程的Hello World。本节利用TensorflowJS来演示了如何手写数字的识别。

在浏览器中进行深度学习：TensorFlow.js (五）构建一个神经网络

神经网络（Neural Network）是深度学习的基础，基本概念包括：神经元，层，反向传播等等。本节利用TensorflowJS构建一个基本的神经网络。

更多神经网络的知识请参考：

神经网络可视化帮助你更好地了解神经网络如何工作
码农必须了解的5种神经网络架构
从头开始可视化神经网络的工作方式
了解神经网络和模型泛化
每种机器学习算法都可以表示为神经网络
在理解通用逼近定理之前，你都不会理解神经网络
可视化解释11种基本神经网络架构
为什么神经网络如此强大？
用Numpy从零开始构建神经网络
神经网络架构简介
神经网络介绍 – 深度学习

在浏览器中进行深度学习：TensorFlow.js (六）构建一个卷积网络

卷积神经网络是一种前馈神经网络，卷积神经网络最擅长的就是图片的处理。它受到人类视觉神经系统的启发。

CNN 有2大特点：

能够有效的将大数据量的图片降维成小数据量
能够有效的保留图片特征，符合图片处理的原则

目前 CNN 已经得到了广泛的应用，比如：人脸识别、自动驾驶、美图秀秀、安防等很多领域。

更多卷积神经网络的知识，请参考：

卷积神经网络学习识别手写数字时的可视化
卷积神经网络（机器学习从零到大师，第3部分）
如何训练神经网络—CNN简介「Pytorch基础知识」

在浏览器中进行深度学习：TensorFlow.js (七）递归神经网络

神经网络除了CNN之外的另一个常见的类别是RNN，递归/循环神经网络。这里的R其实是两种神经网络，Recurrent：时间递归， Recusive：结构递归。时间递归神经网络的神经元间连接构成有向图，而结构递归神经网络利用相似的神经网络结构递归构造更为复杂的深度网络。我们大部分时间讲的RNN指的是前一种，时间递归神经网络。