本文共 775 字，大约阅读时间需要 2 分钟。

Propel项目近期宣布了重大转变，团队决定放弃自行实现后向传播功能，而是选择基于TensorFlow.js重新设计项目。这种决定源于对TensorFlow.js生态系统的高度认可。

Propel最初致力于扩展TensorFlow的deeplearn.js和C语言实现，但在2018年3月后，团队意识到与TensorFlow.js在底层方法上的相似性。因此，决定归并到同一共享平台。这一转变使得Propel能够更专注于高层功能的实现。

TensorFlow.js作为Google推出的JavaScript库，设计良好，提供了自动微分风格的接口，并支持Node.js。Propel团队认为，追求与TensorFlow C的绑定以及自行实现后向传播的同时，反而会带来不必要的负担。因此，团队选择了完全基于TensorFlow.js重新设计工作。

当前Propel项目正在重启，团队正在探索新的方向。尽管在过去几周内对外的活动较少，但高层目标依然明确：实现高效的JavaScript科学计算工作流。

与Propel最初的早期工作相似，TensorFlow.js采用WebGL实现GPU支持的数值计算。近期，TensorFlow.js团队发布了对Node.js的绑定，这使得同一JavaScript代码能够在浏览器和Node.js环境中运行，同时绑定到底层的TensorFlow C语言实现。

作为TensorFlow.js发布的核心库之一，deeplearn.js已成为核心库之外的Layers API提供了额外的机器学习模型构建和工具支持，包括对TensorFlow SavedModel格式和Keras HDF5格式模型的自动移植能力。

Propel和TensorFlow.js均采用Apache 2.0许可，鼓励开发者通过GitHub代码库参与贡献。

转载地址：http://irxfk.baihongyu.com/