deeplearning4j下载 - deeplearning4j源代码下载

deeplearning4j

Python

1.0.0

下载

Eclipse Deeplearning4J (DL4J) 生态系统是一组旨在支持基于 JVM 的深度学习应用程序的所有需求的项目。这意味着从原始数据开始，从任何地方、任何格式加载和预处理它，以构建和调整各种简单和复杂的深度学习网络。

由于 Deeplearning4J 在 JVM 上运行，因此您可以将其与除 Java 之外的各种基于 JVM 的语言一起使用，例如 Scala、Kotlin、Clojure 等。

DL4J 堆栈包括：

DL4J ：用于构建具有各种层（包括自定义层）的多层网络和计算图的高级 API。支持从 h5 导入 Keras 模型，包括 tf.keras 模型（自 1.0.0-beta7 起），还支持 Apache Spark 上的分布式训练
ND4J ：通用线性代数库，包含 500 多个数学、线性代数和深度学习运算。 ND4J 基于高度优化的 C++ 代码库 LibND4J，通过 OpenBLAS、OneDNN (MKL-DNN)、cuDNN、cuBLAS 等库提供 CPU (AVX2/512) 和 GPU (CUDA) 支持和加速
SameDiff ：SameDiff 是 ND4J 库的一部分，是我们的自动微分/深度学习框架。 SameDiff 使用基于图（定义然后运行）的方法，类似于 TensorFlow 图模式。计划执行 Eager graph (TensorFlow 2.x eager/PyTorch)。 SameDiff 支持导入 TensorFlow 冻结模型格式 .pb（protobuf）模型。计划导入 ONNX、TensorFlow SavedModel 和 Keras 模型。 Deeplearning4j 还具有完整的 SameDiff 支持，可以轻松编写自定义层和损失函数。
DataVec ：用于各种格式和文件（HDFS、Spark、图像、视频、音频、CSV、Excel 等）的机器学习数据的 ETL
LibND4J ：支撑一切的 C++ 库。有关 JVM 如何访问本机数组和操作的更多信息，请参阅 JavaCPP
Python4J ：JVM 的捆绑 cpython 执行

DL4J生态系统中的所有项目都支持Windows、Linux和macOS。硬件支持包括 CUDA GPU（10.0、10.1、10.2，OSX 除外）、x86 CPU（x86_64、avx2、avx512）、ARM CPU（arm、arm64、armhf）和 PowerPC（ppc64le）。

社区支持

如需对该项目的支持，请访问 https://community.konduit.ai/

在您的项目中使用 Eclipse Deeplearning4J

Deeplearning4J 有相当多的依赖项。因此，我们仅支持使用构建工具。

< 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 >

将这些依赖项添加到您的 pom.xml 文件中，以将 Deeplearning4J 与 CPU 后端结合使用。如果您想从头开始一个新的 Maven 项目，示例存储库中提供了完整的独立项目示例。

代码示例

由于 DL4J 是一个多方面的项目，在 mono 存储库中包含多个模块，因此我们建议查看示例以了解不同模块的不同用法。下面我们将链接到每个模块的示例。

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

对于希望能够从其他框架运行模型的用户，请参阅：

Onnx：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

文档、指南和教程

您可以在 http://deeplearning4j.konduit.ai/ 找到 Deeplearning4J 及其生态系统其他库的官方文档。

想要一些例子吗？

我们有单独的存储库，其中包含各种可用示例：https://github.com/eclipse/deeplearning4j-examples

从源头构建

最好使用官方预编译版本（见上文）。但如果您想从源代码构建，请首先在此处查看从源代码构建的先决条件：https://deeplearning4j.konduit.ai/multi-project/how-to-guides/build-from-source。可以在那里找到有关 cpu 和 gpu 构建的各种说明。请访问我们的论坛寻求进一步帮助。

运行测试

为了运行测试，请参阅平台测试模块。该模块仅在 jdk 11 上运行（主要是由于旧版 scala 版本 + JDK 17 的 Spark 和 bug）

platform-tests 允许您为不同的后端运行 dl4j。您可以在命令行上指定一些属性：

backend.artifactId：默认为 nd4j-native 并将在 cpu 上运行测试，您可以指定其他后端，例如 nd4j-cuda-11.6
dl4j.version：您可以更改运行测试的 dl4j 版本。默认为 1.0.0-SNAPSHOT。

更多参数可以在这里找到：

deeplearning4j/平台测试/pom.xml

c1bf871 中的第 47 行

<平台.classifier> ${javacpp.platform} </平台.classifier>

在Intellij IDEA中运行项目：

确保在 jdk 9 或更高版本上遵循 https://stackoverflow.com/questions/45370178/exporting-a-package-from-system-module-is-not-allowed-with-release
忽略所有 nd4j-shade 子模块。右键单击每个文件夹，然后单击：Maven -> 忽略项目