deeplearning4j examples下载 - deeplearning4j examples源代码下载

deeplearning4j examples

Ai源码

1.0.0

下载

 ######## ## ## ##
                                ## ## ## ## ## ##
                                ## ## ## ## ## ##
                       **$** ## ## ## ## ## ## **$**
                                ## ## ## ######## ## ##
                                ## ## ## ## ## ##
                                ######## ######## ## ######
              。 :::: : : : : : :::: : :::: ::::: :::: :::: ::::: 。
              。 ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::.
              。 :::::::::::::::::::::::::::::。
              。 ::: : : : : : : :::: : ::: ::::: ::: :::: : : 。
              。 ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::
              。 : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : :
              。 :::: : : : : : : : ::::: :::: : : :::: : ::::: 。

如需支持，请访问：https://community.konduit.ai

我们不经常监控这个存储库的 github 问题。

介绍

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。

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-M2 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

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）。

先决条件

此示例存储库由几个单独的 Maven Java 项目组成，每个项目都有自己的 pom 文件。 Maven 是一种流行的 Java 项目构建自动化工具。 “pom.xml”文件的内容决定了配置。在此处阅读有关如何配置 Maven 的更多信息。

用户还可以参考提供的简单示例项目，从头开始创建一个干净的项目。

构建工具被认为是标准软件工程最佳实践。除此之外，DL4J 生态系统中的项目带来的复杂性使得依赖项太难以手动管理。 DL4J 生态系统中的所有项目都可以与 Gradle、SBT 等其他构建工具一起使用。有关更多信息，请参见此处。

支持

如需有关示例的帮助，请访问我们的支持论坛

1.0.0-beta7 及之前版本的用户请注意，一些示例和模块已被删除，以反映框架方向的变化。请在此处查看并评论我们的帖子

如果您想要解决可能缺少的问题，请随时在论坛上发帖，我们将尽力帮助您。

示例内容

项目基于所包含的示例向用户演示的功能，而不一定是该功能位于 DL4J 堆栈中的哪个库。

项目中的示例通常分为“快速入门”和“高级”。

每个项目自述文件还列出了它包含的所有示例，以及探索它们的建议顺序。

dl4j-examples 该项目包含一组示例，演示如何使用高级 DL4J API 构建各种神经网络。其中一些示例是端到端的，从某种意义上说，它们从原始数据开始，对其进行处理，然后在其上构建和训练神经网络。
tensorflow-keras-import-examples 该项目包含一组示例，演示如何将 Keras h5 模型和 TensorFlow freeze pb 模型导入 DL4J 生态系统。一旦导入到 DL4J 中，这些模型就可以像任何其他 DL4J 模型一样对待 - 这意味着您可以继续对它们运行训练或使用迁移学习 API 修改它们，或者只是对它们运行推理。
dl4j-distributed-training-examples 该项目包含一组示例，演示如何在 Apache Spark 上的 DL4J 中进行分布式训练、推理和评估。 DL4J 分布式训练采用“混合”异步 SGD 方法 - 更多详细信息可以在此处的分布式深度学习文档中找到
cuda-specific-examples 该项目包含一组示例，演示如何利用多个 GPU 进行神经网络的数据并行训练，以提高性能。
Samediff-examples 该项目包含一组演示 SameDiff API 的示例。 SameDiff（ND4J 库的一部分）可用于构建较低级别的自动微分计算图。 SameDiff API 与 DL4J API 的类比是低级 TensorFlow API 与高级抽象 Keras API 的比较。
data-pipeline-examples 该项目包含一组示例，演示如何加载、拆分和预处理各种格式的原始数据以构建可序列化（因此可重现）的 ETL 管道。
nd4j-ndarray-examples 该项目包含一组演示如何操作 NDArray 的示例。这里演示的 ND4J 功能可以与 NumPy 类比。
rl4j-examples 该项目包含使用 RL4J（DL4J 中的强化学习库）的示例。
android-examples 该项目包含一个 Android 示例项目，该项目显示了在 Android 应用程序中使用 DL4J。