jsNet深度学习库使用手册
欢迎来到jsNet,一个基于JavaScript和WebAssembly的深度学习框架,特别适用于多层感知机(MLPs)和卷积神经网络(CNNs)。本手册将引导您了解项目结构、启动过程以及关键配置文件的使用。
1. 项目目录结构及介绍
jsNet项目在GitHub上的结构是精心设计的,以支持易于开发和部署。以下是其核心组成部分:
-
根目录:
CHANGELOG.md: 记录了项目版本的更新历史。LICENSE: MIT许可证,表明软件的使用权限。README.md: 快速入门指南和项目概述。- 主要源代码和配置文件分布在不同的子目录中。
-
src: 包含主要的C++源码,用于构建后端的深度学习逻辑。
-
dist: 编译后的前端JavaScript文件和可能的WebAssembly组件,包括不同环境的加载策略。
jsNet.js,jsNet.min.js: JavaScript版本的入口点。jsNetWebAssembly.min.js: WebAssembly版本的加载脚本。NetWASM.wasm: 编译后的WebAssembly二进制文件。
-
examples: 示例代码和应用,展示如何在实际中使用jsNet。
-
test: 单元测试或示例数据,用于验证库的功能。
-
package.json: NPM包管理配置,允许通过NPM安装。
-
CMakeLists.txt: 对于编译过程的CMake配置文件。
2. 项目的启动文件介绍
jsNet的启动依赖于是否选择JavaScript还是WebAssembly版本。对于前端使用,通常不会有一个直接的“启动”脚本,而是通过HTML页面或者Node.js服务来引入库并开始使用。
在浏览器中使用
-
JavaScript版本: 仅需在HTML中通过
<script>标签引入dist/jsNet.min.js即可开始使用。<script src="path/to/dist/jsNet.min.js"></script> -
WebAssembly版本: 需同时引入
jsNetWebAssembly.min.js和NetWASM.js,后者包含了WASM的加载逻辑。<script src="path/to/dist/jsNetWebAssembly.min.js"></script> <script src="path/to/dist/NetWASM.js"></script>
在Node.js环境中使用
通过npm安装jsnet后,可以在代码中动态选择加载JavaScript或WebAssembly版本。
const [Network, ...] = require("jsnet").js(); // 或 .webassembly()
当选择WebAssembly时,还需处理onWASMLoaded事件,确保所有操作在WASM加载完成后执行。
3. 项目的配置文件介绍
jsNet本身并不像一些大型框架那样有复杂的配置文件,它的配置更多地体现在实例化网络时传递的参数中。然而,关键的“配置”信息通常是通过以下几个方式体现的:
- 初始化网络时的参数:如层数、每层神经元数量等,这些是在创建
Network对象时直接指定的。 - 环境配置:例如,在使用WebAssembly版本时,通过环境变量或代码中指定
jsNetWASMPath来控制.wasm文件的路径。 - 自定义层配置:比如
FCLayer、ConvLayer等的具体配置,这是通过构造特定类型的层对象来完成的,而不是外部配置文件。
由于项目主要依赖代码中的逻辑配置而非独立的配置文件,理解API文档和示例代码成为配置jsNet的关键途径。通过阅读README.md和探索examples目录,您可以获得详细的配置指导和最佳实践。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00