deeplearning4j examples
1.0.0
######## ## ## ##
## ## ## ## ## ##
## ## ## ## ## ##
**$** ## ## ## ## ## ## **$**
## ## ## ######### ## ##
## ## ## ## ## ##
######## ######## ## ######
. :::: : : : : : :::: : :::: ::::: :::: :::: ::::: .
. : : : : : :: :: : : : : : : : : : : .
. : : : : : : : : : : : : : : : : : : : .
. :::::::::::::::::::::::::::: .
. : : : ::::: : : : : : : : : : : .
. : : : : : : : : : : : : : : : .
. :::: : : : : : : : ::::: :::: : : :::: : ::::: .
지원을 받으려면 https://community.konduit.ai를 방문하세요.
우리는 이 저장소의 github 문제를 자주 모니터링하지 않습니다.
Eclipse Deeplearning4J (DL4J) 에코시스템은 JVM 기반 딥 러닝 애플리케이션의 모든 요구 사항을 지원하기 위한 프로젝트 세트입니다. 이는 원시 데이터로 시작하여 어디서든 어떤 형식이든 로드하고 전처리하여 다양한 단순 및 복잡한 딥 러닝 네트워크를 구축하고 조정하는 것을 의미합니다.
DL4J 스택은 다음으로 구성됩니다.
DL4J 에코시스템의 모든 프로젝트는 Windows, Linux 및 macOS를 지원합니다. 하드웨어 지원에는 CUDA GPU(OSX를 제외한 10.0, 10.1, 10.2), x86 CPU(x86_64, avx2, avx512), ARM CPU(arm, arm64, armhf) 및 PowerPC(ppc64le)가 포함됩니다.
이 예제 저장소는 각각 자체 pom 파일이 있는 여러 개의 개별 Maven Java 프로젝트로 구성됩니다. Maven은 Java 프로젝트에 널리 사용되는 빌드 자동화 도구입니다. "pom.xml" 파일의 내용에 따라 구성이 결정됩니다. 여기에서 Maven을 구성하는 방법에 대해 자세히 알아보세요.
사용자는 제공된 간단한 샘플 프로젝트를 참조하여 처음부터 깨끗한 프로젝트를 시작할 수도 있습니다.
빌드 도구는 표준 소프트웨어 엔지니어링 모범 사례로 간주됩니다. 이 외에도 DL4J 생태계의 프로젝트로 인해 발생하는 복잡성으로 인해 종속성을 수동으로 관리하기가 너무 어렵습니다. DL4J 생태계의 모든 프로젝트는 Gradle, SBT 등과 같은 다른 빌드 도구와 함께 사용할 수 있습니다. 이에 대한 자세한 내용은 여기에서 확인할 수 있습니다.
예제에 대한 도움을 받으려면 지원 포럼으로 이동하세요.
1.0.0-beta7 및 이전 버전의 사용자를 위한 참고 사항은 프레임워크 방향의 변경 사항을 반영하기 위해 일부 예제와 모듈이 제거되었습니다. 여기 게시물을 보시고 댓글을 달아주세요
누락된 부분에 대한 해결 방법을 원하시면 언제든지 포럼에 게시해 주세요. 최선을 다해 도와드리겠습니다.
프로젝트는 포함된 예제가 사용자에게 보여주는 기능을 기반으로 하며 해당 기능이 있는 DL4J 스택의 라이브러리를 반드시 보여줄 필요는 없습니다.
프로젝트의 예는 일반적으로 "빠른 시작"과 "고급"으로 구분됩니다.
각 프로젝트 README에는 포함된 모든 예제가 탐색을 위한 권장 순서와 함께 나열되어 있습니다.
dl4j-examples 이 프로젝트에는 높은 수준의 DL4J API를 사용하여 다양한 신경망을 구축하는 방법을 보여주는 일련의 예제가 포함되어 있습니다. 이러한 예 중 일부는 원시 데이터로 시작하여 처리한 다음 신경망을 구축하고 훈련한다는 의미에서 엔드투엔드입니다.
tensorflow-keras-import-examples 이 프로젝트에는 Keras h5 모델과 TensorFlow 고정 pb 모델을 DL4J 생태계로 가져오는 방법을 보여주는 일련의 예제가 포함되어 있습니다. DL4J로 가져온 후에는 이러한 모델을 다른 DL4J 모델처럼 처리할 수 있습니다. 즉, 해당 모델에 대해 계속 교육을 실행하거나 전이 학습 API를 사용하여 수정하거나 간단히 추론을 실행할 수 있습니다.
dl4j-distributed-training-examples 이 프로젝트에는 Apache Spark의 DL4J에서 분산 교육, 추론 및 평가를 수행하는 방법을 보여주는 예제 세트가 포함되어 있습니다. DL4J 분산 교육은 "하이브리드" 비동기 SGD 접근 방식을 사용합니다. 자세한 내용은 여기 분산 딥 러닝 문서에서 확인할 수 있습니다.
cuda-Specific-examples 이 프로젝트에는 성능 향상을 위해 신경망의 데이터 병렬 교육을 위해 여러 GPU를 활용하는 방법을 보여주는 일련의 예제가 포함되어 있습니다.
samediff-examples 이 프로젝트에는 SameDiff API를 보여주는 예제 세트가 포함되어 있습니다. ND4J 라이브러리의 일부인 SameDiff를 사용하여 낮은 수준의 자동 미분 계산 그래프를 작성할 수 있습니다. SameDiff API와 DL4J API의 유사점은 낮은 수준의 TensorFlow API와 높은 수준의 추상화 Keras API입니다.
data-pipeline-examples 이 프로젝트에는 직렬화 가능한(따라서 재현 가능한) ETL 파이프라인을 구축하기 위해 다양한 형식의 원시 데이터를 로드, 분할 및 전처리하는 방법을 보여주는 일련의 예제가 포함되어 있습니다.
nd4j-ndarray-examples 이 프로젝트에는 NDArray를 조작하는 방법을 보여주는 예제 세트가 포함되어 있습니다. 여기서 시연된 ND4J의 기능은 NumPy에 비유될 수 있습니다.
rl4j-examples 이 프로젝트에는 DL4J의 강화 학습 라이브러리인 RL4J를 사용하는 예제가 포함되어 있습니다.
android-examples 이 프로젝트에는 Android 애플리케이션에서 사용되는 DL4J를 보여주는 Android 예제 프로젝트가 포함되어 있습니다.
이러한 예제 세트는 DL4J에서 사용할 수 있는 모든 기능을 다루지는 않지만 대부분의 사용자(초보자 및 고급 사용자)에게 필요한 기능을 다루기 위한 것입니다. 여기에서 다루지 않은 피드백이나 기능 요청이 있는 경우 여기에 문제를 제출하세요. 커뮤니티 포럼을 통해서도 질문이 있을 수 있습니다. 우리는 커뮤니티의 기여를 환영합니다. 자세한 내용은 여기에서 확인하실 수 있습니다. 우리는 여러분의 의견을 듣고 싶습니다 . 건배!
