handwired

用普通 JS 函数写神经网络,自动求导训练

开源 unknown 开发框架
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1479
维护状态 活跃
是否开源 是
定价模式 unknown

项目预览

项目数据

分类开发框架
开发团队chenglou
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议MIT
主要语言TypeScript
技术栈/模型
GitHub 星标★ 1479
30天Star增速
HF 下载量
上线时间2026-10-15 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-17
浏览次数0

项目介绍

handwired 是一个用 TypeScript 编写的轻量级神经网络框架,它的核心思路是让开发者直接用普通 JavaScript 代码来定义和训练神经网络,而不必学习新的 DSL 或复杂的张量 API。你只需要编写描述数据流动的普通函数,框架会自动将其转换为可微分的计算图,并完成反向传播和参数更新。它解决了传统深度学习框架上手门槛高、调试困难的问题:模型结构就是可读的 JS 代码,可以用断点、console.log 等常规手段排查问题。核心能力包括自动微分、常见层与激活函数的封装、基于梯度下降的优化器,以及在前端或 Node.js 环境中直接运行推理与训练。适合想快速验证小模型、教学演示,或希望在 Web 端嵌入轻量 AI 能力的开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度:入门 约 10 分钟 部署方式:库/依赖 4 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Node.js 运行环境,用于执行 README 中的 TypeScript/JavaScript 示例
  • 现代浏览器(可选):README 提到程序可跑在 JS 或 WebGPU 上
  • 能阅读 TypeScript 代码,理解 if-else、+、* 与 ReLU 的对应关系

安装与启动步骤

  1. 1获取项目源码

    README 未给出安装命令,先从 GitHub 仓库拉取源码以便查看示例和实现。

    git clone https://github.com/chenglou/handwired.git
  2. 2进入项目目录

    切换到克隆下来的仓库目录,查看 README 与示例代码,确认实际的运行方式。

    cd handwired
  3. 3理解转换原理

    README 说明框架把 if-else、循环、状态转成 matmul + relu,先用示例验证逻辑等价。

  4. 4运行示例验证

    按 README 的写法把 (a > 4) ? 10 : 12 改写成 ReLU 表达式,确认两者结果一致。

如何确认成功

按 README 示例手算:a=5 时 above4 为 1,result 得 10,与三元表达式结果一致即说明转换正确。

常见问题

Q:使用 handwired 需要训练权重吗?

A:README 指出权重是手写的,因此不需要训练;但也支持解冻权重再训练,或把冻结程序接到通用神经网络上端到端训练。

Q:它支持 GPU 加速吗?

A:README 说明会把 +、* 和 relu 收集成一个巨大的 matmul,然后在 JS 或 WebGPU 上运行,可以复用现成的 GPU 优化技术。

Q:为什么说它上手门槛低?

A:模型结构就是普通 JS 代码,不需要学新 DSL 或张量 API,可用断点、console.log 等常规手段排查问题。

Q:怎么调试模型逻辑?

A:先把逻辑改写成 ReLU 形式的算术表达式,再按 README 的示例手算核对,确认分支选择结果与原始 if-else 一致。

注意事项

  • README 节选未包含安装与构建命令,本教程中的步骤仅为可推断的通用准备动作,实际安装方式请以官网 https://chenglou.me/handwired 或 GitHub 仓库为准。
  • README 中的代码为 TypeScript,需自行确认本地 TypeScript/JavaScript 运行方式。
  • 权重默认手写且不训练,这既是特点也是限制;如需训练需自行解冻权重。

核心亮点

  • 模型定义就是普通 JS 函数,可断点调试、可读性极强
  • 自动微分与反向传播由框架处理,无需手写梯度
  • TypeScript 编写,类型提示完善,前端与 Node 均可运行

不足之处

  • 生态和预训练模型较少,复杂网络支持有限
  • 社区规模小,文档与示例有待丰富

适用场景

  • 前端项目内嵌轻量模型做实时推理
  • 教学场景演示神经网络与反向传播原理
  • 快速验证小规模模型想法的原型开发

替代项目

TensorFlow.js、Brain.js

上一篇:deeplearning4j

下一篇:没有了!

同类项目推荐

dsh-our-free-model 开源

装个插件就能免密钥白嫖前沿大模型,不限量

在 dsh 里装上这个插件即可,无需登录、注册或填 API Key,就能使用包括 DeepSeek V4.1 Fl···

★ 18385 2026-10-04
ComfyUI-sol-attn 开源

在 ComfyUI 中让视频生成注意力更快更省显存

NVIDIA Sol-Attn for ComfyUI / Triton kernel on SM89 - SM121, with zero-copy MiniMax ···

★ 155 2026-08-09
langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 147905 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 167751 2026-08-09