deeplearning4j examples
1.0.0
###### ## ## ##
## ## ## ## ## ##
## ## ## ## ## ##
**$** ## ## ## ## ## ## **$**
## ## ## ######### ## ##
## ## ## ## ## ##
######## ######## ## ######
。 ::::::::::::::::::::::::::::::::::::::。
。 : : : : : :: :: : : : : : : : : : : 。
。 : : : : : : : : : : : : : : : : : : 。
。 ::: : : : : : : :::: : ::: ::::: ::: :::: : : 。
。 ：：：：：：：：：：：：：：：：：：：：：：：：：：：。
。 ：：：：：：：：：：：：：：：：：：：：：：：：。
。 :::::::::::::::::::::::::::::::::::::。
サポートが必要な場合は、https://community.konduit.ai にアクセスしてください。
このリポジトリの github の問題を頻繁に監視することはありません。
Eclipse Deeplearning4J (DL4J) エコシステムは、JVM ベースの深層学習アプリケーションのすべてのニーズをサポートすることを目的としたプロジェクトのセットです。これは、生データから始めて、どこからでもどんな形式であってもロードして前処理し、単純で複雑なさまざまな深層学習ネットワークを構築して調整することを意味します。
DL4J スタックは次のもので構成されます。
DL4J エコシステム内のすべてのプロジェクトは、Windows、Linux、macOS をサポートしています。ハードウェアのサポートには、CUDA GPU (OSX を除く 10.0、10.1、10.2)、x86 CPU (x86_64、avx2、avx512)、ARM CPU (arm、arm64、armhf)、および PowerPC (ppc64le) が含まれます。
このサンプル リポジトリは、いくつかの個別の Maven Java プロジェクトで構成されており、それぞれに独自の pom ファイルが含まれています。 Maven は、Java プロジェクト用の人気のあるビルド自動化ツールです。 「pom.xml」ファイルの内容によって構成が決まります。 Maven の構成方法の詳細については、こちらをご覧ください。
ユーザーは、提供されている簡単なサンプル プロジェクトを参照して、クリーンなプロジェクトを最初から開始することもできます。
ビルド ツールは、標準的なソフトウェア エンジニアリングのベスト プラクティスとみなされます。これに加えて、DL4J エコシステム内のプロジェクトによってもたらされる複雑さにより、依存関係を手動で管理することが非常に困難になります。 DL4J エコシステム内のすべてのプロジェクトは、Gradle、SBT などの他のビルド ツールで使用できます。詳細については、こちらをご覧ください。
例に関するヘルプが必要な場合は、サポート フォーラムにアクセスしてください。
1.0.0-beta7 以前のユーザー向けに注意してください。フレームワークの方向性の変更を反映するために、いくつかのサンプルとモジュールが削除されています。こちらの投稿を参照してコメントしてください
不足している可能性のあるものの回避策が必要な場合は、お気軽にフォーラムに投稿してください。できる限りのお手伝いをいたします。
プロジェクトは、含まれているサンプルがユーザーにどのような機能を示すかに基づいており、必ずしも DL4J スタック内のどのライブラリにその機能が存在するかというわけではありません。
プロジェクト内のサンプルは通常、「クイックスタート」と「アドバンスト」に分かれています。
各プロジェクトの README には、プロジェクトに含まれるすべての例と、それらを参照するための推奨順序も記載されています。
dl4j-examples このプロジェクトには、高レベル DL4J API を使用してさまざまなニューラル ネットワークを構築する方法を示す一連の例が含まれています。これらの例の一部は、生データから開始して処理し、そのデータ上でニューラル ネットワークを構築してトレーニングするという意味で、エンドツーエンドです。
tensorflow-keras-import-examples このプロジェクトには、Keras h5 モデルと TensorFlow で凍結された pb モデルを DL4J エコシステムにインポートする方法を示す一連の例が含まれています。 DL4J にインポートすると、これらのモデルは他の DL4J モデルと同様に扱うことができます。つまり、モデルに対してトレーニングを継続したり、転移学習 API を使用して変更したり、単に推論を実行したりすることができます。
dl4j-distributed-training-examples このプロジェクトには、Apache Spark 上の DL4J で分散トレーニング、推論、評価を行う方法を示す一連の例が含まれています。 DL4J 分散トレーニングでは、「ハイブリッド」非同期 SGD アプローチが採用されています。詳細については、ここにある分散ディープラーニングのドキュメントを参照してください。
cuda-specific-examples このプロジェクトには、複数の GPU を活用してニューラル ネットワークのデータ並列トレーニングを行い、パフォーマンスを向上させる方法を示す一連の例が含まれています。
Samediff-examples このプロジェクトには、SameDiff API を示す一連の例が含まれています。 SameDiff (ND4J ライブラリの一部) を使用して、下位レベルの自動微分計算グラフを構築できます。 SameDiff API と DL4J API の類似点は、低レベルの TensorFlow API とより高いレベルの抽象化 Keras API です。
data-pipeline-examples このプロジェクトには、さまざまな形式の生データをロード、分割、前処理してシリアル化可能な (したがって再現可能な) ETL パイプラインを構築する方法を示す一連の例が含まれています。
nd4j-ndarray-examples このプロジェクトには、NDArray の操作方法を示す一連の例が含まれています。ここで説明する ND4J の機能は、NumPy にたとえることができます。
rl4j-examples このプロジェクトには、DL4J の強化学習ライブラリである RL4J の使用例が含まれています。
android-examples このプロジェクトには、Android アプリケーションで使用されている DL4J を示す Android サンプル プロジェクトが含まれています。
これらの例のセットは DL4J で利用可能なすべての機能をカバーしているわけではありませんが、初心者から上級者まで、ほとんどのユーザーに必要な機能をカバーすることを目的としています。ここで取り上げられていないフィードバックや機能リクエストがある場合は、ここで問題を提出してください。コミュニティ フォーラムを通じて質問することもできます。コミュニティからの貢献を歓迎します。詳細については、こちらをご覧ください。ご意見をお待ちしております。乾杯！
