Pipcook 项目是一个开源工具集，它能让 Web 开发者更好地使用机器学习，从而开启和加速前端智能化时代！
它旨在使 Web 工程师能够在零门槛的前提下使用机器学习，并拥有将前端技术领域带到智能领域的视角。Pipcook 的目标就是成为机器学习和前端交互的跨领域工具包。
我们将完全基于前端应用程序来设计 Pipcook API，并专注于前端领域，以真实解决 Web 工程师使用机器学习的痛点来开发 Pipcook。以面向 Web 友好为原则，来推动机器学习工程和前端工程师的融合。
Pipcook 项目提供了若干独立的子项目，包括机器学习工作流框架，命令行管理工具，机器学习的 JavaScript 运行时。你也可以在其他项目中使用这些框架来搭建你所需要的系统。
在 Pipcook 中，我们遵循一些基本的设计原则，来保证整个软件是模块化和灵活的，这些原则也能帮助社区来对 Pipcook 未来的方向作出指导。
- 模块化 项目中包含了一些子项目，它们自身都必须保证是良好定义的。
- 可更换 项目中包含了足够的模块来构建现在的 Pipcook，不过我们通过模块化的架构和规范，开发者可以按照自己的需要对部分模块切换为其他的实现方式。
Pipcook 面向以下的 Web 工程师：
- 想要学习机器学习
- 想要训练和部署自己的模型
- 想要优化模型的性能，比如针对一个图片分类模型，有一个更高的准确度
如果你满足上面条件之一，那么就尝试从安装开始吧。
Pipcook Pipeline
它用于表达机器学习的工作流，其中包含了 Pipcook 插件，在这一层，我们需要保证整个系统的稳定性和拓展性，同时使用插件机制来支持丰富的数据集、训练、验证和部署。
一条 Pipcook Pipeline 由多个插件组成，通过配置不同的插件以及参数，最终会输出一个 NPM 包，其中包含了训练好的模型和 JavaScript 函数，你就可以像使用普通 NPM 包一样使用你训练好的模型了。
注意：在 Pipcook 中，每一个 Pipeline 仅拥有一个角色，那就是训练一个用户需要的模型，也就是说每一个 Pipeline 的最后一个节点都必须输出一个训练好的模型，否则这个 Pipeline 就是非法的。
Pipcook Bridge to Python
对于 JavaScript 工程师来说，开始机器学习最苦难的一点就是缺乏一套成熟的工具集。在 Pipcook，我们提供了 Boa，它使用 N-API 将 CPython 集成在了 Node.js 环境，从而让开发者能够通过 JavaScript 访问到 Python 生态来解决这个痛点。
通过它，开发者可以毫无顾虑地在 Node.js 中使用诸如 numpy、scikit-learn、jieba 或 tensorflow 这样的 Python 包。
看到这里，已经按耐不住想要使用 Pipcook 了吗？可以按照下面的介绍开始你下一步的学习之旅：