الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل 
 ######## ## ## ##
                                ## ## ## ## ## ##
                                ## ## ## ## ## ##
                       **$** ## ## ## ## ## ## **$**
                                ## ## ## ######### ## ##
                                ## ## ## ## ## ##
                                ######## ######## ## ######
              . :::: : : : : : :::: : :::: ::::: :::: :::: ::::: .
              . : : : : : :: :: : : : : : : : : : : : .
              . : : : : : : : : : : : : : : : : : : : .
              . ::: : : : : : : :::: : ::: ::::: ::: :::: : : .
              . : : : ::::: : : : : : : : : : : : .
              . : : : : : : : : : : : : : : : .
              . :::: : : : : : : ::::: :::: : : :::: : ::::: .

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

نحن لا نراقب مشكلات جيثب لهذا المستودع في كثير من الأحيان.

مقدمة

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.

يتكون مكدس DL4J من:

  • DL4J : واجهة برمجة تطبيقات عالية المستوى لإنشاء شبكات متعددة الطبقات ورسومات 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-M2) 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

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).

المتطلبات الأساسية

يتكون نموذج الريبو هذا من عدة مشاريع Maven Java منفصلة، ​​كل منها بملفات pom الخاصة به. Maven هي أداة أتمتة بناء شائعة لمشاريع Java. تحدد محتويات ملف "pom.xml" التكوينات. اقرأ المزيد حول كيفية تكوين Maven هنا.

يمكن للمستخدمين أيضًا الرجوع إلى نموذج المشروع البسيط المقدم للبدء بمشروع نظيف من البداية.

تعتبر أدوات البناء من أفضل الممارسات القياسية في هندسة البرمجيات. إلى جانب ذلك، فإن التعقيدات التي تفرضها المشاريع في النظام البيئي DL4J تجعل من الصعب جدًا إدارة التبعيات يدويًا. يمكن استخدام جميع المشاريع الموجودة في النظام البيئي DL4J مع أدوات البناء الأخرى مثل Gradle وSBT وما إلى ذلك. ويمكن العثور على مزيد من المعلومات حول ذلك هنا.

يدعم

للحصول على مساعدة بشأن الأمثلة، يرجى الانتقال إلى منتدى الدعم الخاص بنا

ملاحظة لمستخدمي الإصدار 1.0.0-beta7 والإصدارات السابقة، تمت إزالة بعض الأمثلة والوحدات لتعكس التغييرات في اتجاه إطار العمل. يرجى الاطلاع والتعليق على منشورنا هنا

إذا كنت تريد حلاً بديلاً لشيء قد تكون مفقودًا، فلا تتردد في النشر على المنتديات، وسنبذل كل ما في وسعنا لمساعدتك.

محتوى المثال

تعتمد المشاريع على الوظيفة التي توضحها الأمثلة المضمنة للمستخدم وليس بالضرورة على المكتبة الموجودة في DL4J التي تعمل بها الوظيفة.

يتم بشكل عام فصل الأمثلة في المشروع إلى "البدء السريع" و"المتقدم".

يسرد كل مشروع README أيضًا جميع الأمثلة التي يحتوي عليها، مع الترتيب الموصى به لاستكشافها.

  • dl4j-examples يحتوي هذا المشروع على مجموعة من الأمثلة التي توضح استخدام واجهة برمجة التطبيقات DL4J عالية المستوى لبناء مجموعة متنوعة من الشبكات العصبية. بعض هذه الأمثلة شاملة، بمعنى أنها تبدأ بالبيانات الأولية، وتعالجها ثم تقوم ببناء وتدريب الشبكات العصبية عليها.

  • Tensorflow-keras-import-examples يحتوي هذا المشروع على مجموعة من الأمثلة التي توضح كيفية استيراد نماذج Keras h5 ونماذج TensorFlow pb المجمدة إلى النظام البيئي DL4J. بمجرد استيرادها إلى DL4J، يمكن التعامل مع هذه النماذج مثل أي نموذج DL4J آخر - مما يعني أنه يمكنك الاستمرار في تشغيل التدريب عليها أو تعديلها باستخدام واجهة برمجة تطبيقات تعلم النقل أو ببساطة تشغيل الاستدلال عليها.

  • dl4j-distributed-training-examples يحتوي هذا المشروع على مجموعة من الأمثلة التي توضح كيفية القيام بالتدريب الموزع والاستدلال والتقييم في DL4J على Apache Spark. يستخدم التدريب الموزع لـ DL4J نهج SGD "الهجين" وغير المتزامن - يمكن العثور على مزيد من التفاصيل في وثائق التعلم العميق الموزعة هنا

  • أمثلة خاصة بـ cuda يحتوي هذا المشروع على مجموعة من الأمثلة التي توضح كيفية الاستفادة من وحدات معالجة الرسومات المتعددة للتدريب المتوازي للبيانات للشبكات العصبية لزيادة الأداء.

  • Samediff-examples يحتوي هذا المشروع على مجموعة من الأمثلة التي توضح SameDiff API. يمكن استخدام SameDiff (الذي يعد جزءًا من مكتبة ND4J) لإنشاء رسوم بيانية حسابية ذات مستوى أدنى للتمايز التلقائي. التناظرية لـ SameDiff API مقابل DL4J API هي واجهة TensorFlow API ذات المستوى المنخفض مقابل المستوى الأعلى من التجريد Keras API.

  • أمثلة على خطوط أنابيب البيانات يحتوي هذا المشروع على مجموعة من الأمثلة التي توضح كيف يمكن تحميل البيانات الأولية بتنسيقات مختلفة وتقسيمها ومعالجتها مسبقًا لإنشاء خطوط أنابيب ETL قابلة للتسلسل (وبالتالي قابلة للتكرار).

  • nd4j-ndarray-examples يحتوي هذا المشروع على مجموعة من الأمثلة التي توضح كيفية التعامل مع NDArrays. يمكن تشبيه وظيفة ND4J الموضحة هنا بـ NumPy.

  • أمثلة على rl4j يحتوي هذا المشروع على أمثلة لاستخدام RL4J، مكتبة التعلم المعزز في DL4J.

  • android-examples يحتوي هذا المشروع على مثال لمشروع Android، والذي يوضح استخدام DL4J في تطبيق Android.

ردود الفعل والمساهمات

في حين أن هذه المجموعة من الأمثلة لا تغطي جميع الميزات المتوفرة في DL4J، فإن القصد هو تغطية الوظائف المطلوبة لمعظم المستخدمين - المبتدئين والمتقدمين. قم بإرسال مشكلة هنا إذا كانت لديك تعليقات أو طلبات ميزات لم يتم تناولها هنا. نحن متواجدون أيضًا عبر منتدى المجتمع الخاص بنا لطرح الأسئلة. نحن نرحب بالمساهمات من المجتمع. يمكن العثور على مزيد من المعلومات هنا. نحن نحب أن نسمع منك. هتافات!

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل