deeplearning4j تنزيل - deeplearning4j تنزيل كود المصدر

deeplearning4j

بايثون

1.0.0

تنزيل

النظام البيئي Eclipse Deeplearning4J (DL4J) عبارة عن مجموعة من المشاريع التي تهدف إلى دعم جميع احتياجات تطبيق التعلم العميق القائم على JVM. وهذا يعني البدء بالبيانات الأولية، وتحميلها ومعالجتها مسبقًا من أي مكان وبأي تنسيق كانت به لبناء وضبط مجموعة واسعة من شبكات التعلم العميق البسيطة والمعقدة.

نظرًا لأن Deeplearning4J يعمل على JVM، يمكنك استخدامه مع مجموعة واسعة من اللغات المستندة إلى JVM بخلاف Java، مثل Scala وKotlin وClojure وغيرها الكثير.

يتكون مكدس DL4J من:

DL4J : واجهة برمجة تطبيقات عالية المستوى لإنشاء شبكات متعددة الطبقات ورسوم بيانية حسابية مع مجموعة متنوعة من الطبقات، بما في ذلك الطبقات المخصصة. يدعم استيراد نماذج Keras من h5، بما في ذلك نماذج tf.keras (اعتبارًا من 1.0.0-beta7) ويدعم أيضًا التدريب الموزع على Apache Spark
ND4J : مكتبة الجبر الخطي للأغراض العامة مع أكثر من 500 عملية رياضية وجبر خطي وعمليات التعلم العميق. يعتمد ND4J على قاعدة بيانات C++ المحسنة للغاية LibND4J التي توفر دعم وتسريع وحدة المعالجة المركزية (AVX2/512) ووحدة معالجة الرسومات (CUDA) من خلال مكتبات مثل OpenBLAS وOneDNN (MKL-DNN) وcuDNN وcuBLAS وما إلى ذلك.
SameDiff : جزء من مكتبة ND4J، SameDiff هو إطار التمييز التلقائي/التعلم العميق الخاص بنا. يستخدم SameDiff أسلوبًا قائمًا على الرسم البياني (التعريف ثم التشغيل)، مشابهًا لوضع الرسم البياني TensorFlow. تم التخطيط لتنفيذ الرسم البياني المتحمس (TensorFlow 2.x حريص/PyTorch). يدعم SameDiff استيراد نماذج TensorFlow بتنسيق نموذج مجمد .pb (protobuf). تم التخطيط لاستيراد نماذج ONNX وTensorFlow SavedModel وKeras. يتمتع Deeplearning4j أيضًا بدعم SameDiff الكامل لكتابة الطبقات المخصصة ووظائف الخسارة بسهولة.
DataVec : ETL لبيانات التعلم الآلي بمجموعة واسعة من التنسيقات والملفات (HDFS وSpark وImages وVideo وAudio وCSV وExcel وما إلى ذلك)
LibND4J : مكتبة C++ التي تدعم كل شيء. لمزيد من المعلومات حول كيفية وصول JVM إلى المصفوفات والعمليات الأصلية، راجع JavaCPP
Python4J : تنفيذ cpython المجمع لـ JVM

تدعم جميع المشاريع في النظام البيئي DL4J أنظمة التشغيل Windows وLinux وmacOS. يتضمن دعم الأجهزة وحدات معالجة الرسومات CUDA (10.0 و10.1 و10.2 باستثناء OSX)، ووحدة المعالجة المركزية x86 (x86_64، وavx2، وavx512)، ووحدة المعالجة المركزية ARM (arm، وarm64، وarmhf) وPowerPC (ppc64le).

دعم المجتمع

للحصول على دعم للمشروع، يرجى الانتقال إلى https://community.konduit.ai/

استخدام Eclipse Deeplearning4J في مشروعك

لدى Deeplearning4J عدد لا بأس به من التبعيات. لهذا السبب، نحن ندعم الاستخدام فقط مع أداة البناء.

< dependencies >
  < dependency >
      < groupId >org.deeplearning4j</ groupId >
      < artifactId >deeplearning4j-core</ artifactId >
      < version >1.0.0-M2.1</ version >
  </ dependency >
  < dependency >
      < groupId >org.nd4j</ groupId >
      < artifactId >nd4j-native-platform</ artifactId >
      < version >1.0.0-M2.1</ version >
  </ dependency >
</ dependencies >

أضف هذه التبعيات إلى ملف pom.xml الخاص بك لاستخدام Deeplearning4J مع الواجهة الخلفية لوحدة المعالجة المركزية. يتوفر مثال كامل لمشروع مستقل في مستودع الأمثلة، إذا كنت تريد بدء مشروع Maven جديد من البداية.

عينات التعليمات البرمجية

نظرًا لكون DL4J مشروعًا متعدد الأوجه يحتوي على عدة وحدات في الريبو الأحادي، نوصي بالنظر إلى الأمثلة للتعرف على الاستخدامات المختلفة للوحدات المختلفة. أدناه سنربط بأمثلة لكل وحدة.

ND4J: https://github.com/deeplearning4j/deeplearning4j-examples/tree/master/nd4j-ndarray-examples
DL4J: https://github.com/deeplearning4j/deeplearning4j-examples/tree/master/dl4j-examples
ساميديف: https://github.com/deeplearning4j/deeplearning4j-examples/tree/master/samediff-examples
داتافيك: https://github.com/deeplearning4j/deeplearning4j-examples/tree/master/data-pipeline-examples
Python4j: https://deeplearning4j.konduit.ai/python4j/tutorials/quickstart

بالنسبة للمستخدمين الذين يبحثون عن القدرة على تشغيل النماذج من أطر عمل أخرى، راجع:

أونكس: https://github.com/deeplearning4j/deeplearning4j-examples/tree/master/onnx-import-examples
Tensorflow/Keras: https://github.com/deeplearning4j/deeplearning4j-examples/tree/master/tensorflow-keras-import-examples

التوثيق والأدلة والبرامج التعليمية

يمكنك العثور على الوثائق الرسمية لـ Deeplearning4J والمكتبات الأخرى لنظامها البيئي على http://deeplearning4j.konduit.ai/.

هل تريد بعض الأمثلة؟

لدينا مستودع منفصل يحتوي على العديد من الأمثلة المتاحة: https://github.com/Eclipse/deeplearning4j-examples

البناء من المصدر

يفضل استخدام الإصدارات الرسمية المجمعة مسبقًا (انظر أعلاه). ولكن إذا كنت تريد البناء من المصدر، فقم أولاً بإلقاء نظرة على المتطلبات الأساسية للبناء من المصدر هنا: https://deeplearning4j.konduit.ai/multi-project/how-to-guides/build-from-source. يمكن العثور على تعليمات مختلفة لإنشاءات وحدة المعالجة المركزية ووحدة معالجة الرسومات هناك. يرجى الذهاب إلى منتدياتنا لمزيد من المساعدة.

تشغيل الاختبارات

من أجل إجراء الاختبارات، يرجى الاطلاع على وحدة اختبارات النظام الأساسي. تعمل هذه الوحدة فقط على jdk 11 (يرجع ذلك في الغالب إلى الشرارة والأخطاء في إصدارات scala الأقدم + JDK 17)

تسمح لك اختبارات النظام الأساسي بتشغيل dl4j لواجهات خلفية مختلفة. هناك بعض الخصائص التي يمكنك تحديدها في سطر الأوامر:

backend.artifactId: هذا الإعداد الافتراضي هو nd4j-native وسيجري اختبارات على وحدة المعالجة المركزية، ويمكنك تحديد واجهات خلفية أخرى مثل nd4j-cuda-11.6
dl4j.version: يمكنك تغيير إصدار dl4j الذي يتم تشغيل الاختبارات عليه. هذا الإعداد الافتراضي هو 1.0.0-SNAPSHOT.

يمكن العثور على المزيد من المعلمات هنا:

Deeplearning4j/platform-tests/pom.xml

السطر 47 في c1bf871

 < النظام الأساسي .classifier> ${javacpp.platform} </ النظام الأساسي .classifier> 

تشغيل المشروع في Intellij IDEA:

تأكد من اتباع https://stackoverflow.com/questions/45370178/exporting-a-package-from-system-module-is-not-allowed-with-release على jdk 9 أو الأحدث
تجاهل كافة الوحدات الفرعية nd4j-shade. انقر بزر الماوس الأيمن على كل مجلد وانقر على: Maven -> Ignore project