pipcook

為網頁開發者打造的機器學習平台

pipcook 是什麼?

為網頁開發者打造的機器學習平台categories:Ai,授權:Apache-2.0

pipcook 概覽

這是什麼

Pipcook 是一個用於機器學習及其工程的 JavaScript 應用程式框架。它旨在讓 JavaScript 工程師無需先備知識即可使用機器學習。該專案提供子專案,包括機器學習管線框架、管理工具以及用於機器學習的 JavaScript 執行環境。這些子專案可作為建構區塊與其他專案結合使用。Pipcook 是一個開源專案,遵循模組化和可替換的原則。它面向希望學習機器學習、訓練和部署模型,或優化模型以獲得更好評估結果的 Web 工程師。專案包含 Pipcook Pipeline,用於表示由腳本組成的機器學習管線,以及 Pipcook Bridge to Python(Boa),透過 N-API 在 Node.js 執行環境中提供對 Python 套件(如 numpy、scikit-learn、jieba、tensorflow)的存取。

主要功能

  • 模組化架構,具有定義明確的功能和 API,可協同運作。
  • 可替換的模組,允許大多數元件被不同的實作取代。
  • Pipcook Pipeline 用於表示機器學習管線,使用插件機制支援資料集、訓練、驗證和部署。
  • Pipcook Bridge to Python(Boa)透過 JavaScript 在 Node.js 執行環境中提供對 Python 生態系套件的存取。
  • 將訓練好的模型輸出為 NPM 套件,包含模型和可直接使用的 JavaScript 函式。
  • 提供命令列工具用於管理專案、訓練、預測和部署模型。

使用情境

  • Web 工程師學習機器學習概念和工作流程。
  • 訓練影像分類模型,例如分類頭像和模糊背景圖片。
  • 使用貝氏方法訓練文字分類任務。
  • 訓練物件偵測模型以進行元件辨識。
  • 將訓練好的模型部署為本機 HTTP 伺服器進行推論。

快速開始

準備 Node.js >= 12.17 或 >= 14.0.0 以及 npm >= 6.14.4。安裝命令列工具:shell$ npm install -g @pipcook/cli訓練一個影像分類管線:shell$ pipcook train https://cdn.jsdelivr.net/gh/alibaba/pipcook@main/example/pipelines/image-classification-mobilenet.json -o ./output使用訓練好的模型進行預測:shell$ pipcook predict ./output/image-classification-mobilenet.json -s ./output/data/validation/blurBackground/71197_223__30.7_36.jpg將模型部署為伺服器:shell$ pipcook serve ./output

授權與價格

Pipcook 採用 Apache 2.0 授權。它是開源軟體,未提及價格。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/alibabapipcook.svg)](https://yunodb.com/tools/alibabapipcook?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/alibabapipcook?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/alibabapipcook.svg" alt="Featured on YunoDB" height="20"></a>