【第1173期】npm 2017 JavaScript 框架报告之前端框架

前言

这份报告的第一部分来了,不知道第二、第三部分有看了吗?今日早读文章由@FEPulse翻译授权分享。

正文从这开始~

近日,NPM 联合创始人兼 COO 发布一系列 JavaScript 框架报告,从一开始我们对此保持高度关注,今天最后一篇发布,我们在此整理整个系列以飨读者。报告一共有三部分,本文是第一部分,进入公众号查看另外两部分。

闲话少说,我们直接看 NPM 对目前框架的分析。

主要前端框架

NPM 挑选了 5 个目前最流行的前端框架,上图横坐标是时间,纵坐标是框架下载量占 NPM Package 下载量总和的比例。

  1. Backbone

  2. React (以及 Preact)

  3. Angular

  4. Ember

  5. Vue

Backbone

Backbone 是最早的用于 JavaScript Web 应用的框架之一,它在 5 年前占据了主导地位。从那时起,开始急剧下降,但由于项目“保质期”长,完全剥离一项技术成本大,所需时间也很长。目前 Backbone 每月大约有 75 万次下载。

React

与 Backbone 形成鲜明对比的是 React 的大幅增长。 Facebook 在 2013 年 3 月推出,其后迅速推广开来。与其他框架不同的是,React 并不是构建 Web 应用的完整框架,由于这种不完整性,React 已经生长出一个完善的生态系统,可以解决应用程序其他部分的问题。 我们将在第二部分看到整个 React 生态系统。

Preact

Preact 是 React 的一种替代方案。目前虽然总体上使用率较低,但增长速度却是令人印象深刻的,所以有可能在未来成为一支主力军。

Angular

Angular 是一个完整的解决方案。由于 Google 维护的原因,Angular 的流行度相对较高,在绝对数量上快速增长,但相对于 JavaScript 整体而言,并不增长。 Angular 有两大类,其中 Angular 1.x 缓慢下滑,Angular 2.x 有其针对的用户。不过整体而言,Angular 增长平缓,具有这种增长曲线的完整解决方案对于一个新项目来说可能并不是一个好的选择,但由于背后强大的靠山,总体上还是值得信赖的。

Ember

Ember 也是一个完整的解决方案,被很多大公司使用。数据显示,Ember 在经历 2016 年下滑后逐渐复苏。

Vue

Vue 是由曾经在 Angular 工作过的 Google 前工程师创建的,与 Ember 大致相当,在绝对流行度方面略低于 Angular 的一半。 但 Vue 的增长速度远远超过 Ember 和 Angular,我们预计它将在 2018 年超过 Ember。

2017 年前端框架增长情况

该图显示了 2016 年 10 月至 2017 年 10 月 12 个月期间框架的绝对受欢迎程度及其增长情况。总体情况表明:

  • Preact 很小,但发展最快;

  • Vue 的成长速度也非常快,受欢迎程度与 Ember 和 Backbone 相当;

  • Ember 在过去的 12 个月里越来越受欢迎;

  • Backbone 已经不受欢迎了;

  • 从 1.x 转移到 2.x 时,Angular 的受欢迎程度保持不变;

  • jQuery 仍然非常受欢迎,但越来越少;

  • React 不仅用户众多而且增长迅速。

最后,为你推荐

【第1170期】如何看待员工跳槽


【第1168期】字符编码的故事


关于本文

译者:@FEPulse

译文:https://mp.weixin.qq.com/s/AD_7nOCBBZxmfTKlF0fN2g

作者:@Laurie Voss

原文:https://www.npmjs.com/npm/state-of-javascript-frameworks-2017-part-1

【图书】你不知道的Javascript(下卷)


【视频教程】webpack3.x视频教程 全网首发

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值