deeplearning4j下載 - deeplearning4j原始碼下載

deeplearning4j

Python

1.0.0

下載

Eclipse Deeplearning4J (DL4J) 生態系統是一組旨在支援基於 JVM 的深度學習應用程式的所有需求的專案。這意味著從原始資料開始，從任何地方、任何格式載入和預處理它，以建立和調整各種簡單和複雜的深度學習網路。

由於 Deeplearning4J 在 JVM 上運行，因此您可以將其與 Java 之外的各種基於 JVM 的語言一起使用，例如 Scala、Kotlin、Clojure 等。

DL4J 堆疊包括：

DL4J ：用於建立具有各種層（包括自訂層）的多層網路和計算圖的高階 API。支援從 h5 導入 Keras 模型，包括 tf.keras 模型（自 1.0.0-beta7 起），也支援 Apache Spark 上的分散式訓練
ND4J ：通用線性代數庫，包含 500 多個數學、線性代數和深度學習運算。 ND4J 基於高度最佳化的 C++ 程式碼庫 LibND4J，透過 OpenBLAS、OneDNN (MKL-DNN)、cuDNN、cuBLAS 等程式庫提供 CPU (AVX2/512) 和 GPU (CUDA) 支援和加速
SameDiff ：SameDiff 是 ND4J 函式庫的一部分，是我們的自動微分/深度學習框架。 SameDiff 使用基於圖（定義然後運行）的方法，類似於 TensorFlow 圖模式。計劃執行 Eager graph (TensorFlow 2.x eager/PyTorch)。 SameDiff 支援匯入 TensorFlow 凍結模型格式 .pb（protobuf）模型。計畫導入 ONNX、TensorFlow SavedModel 和 Keras 模型。 Deeplearning4j 還具有完整的 SameDiff 支持，可輕鬆編寫自訂層和損失函數。
DataVec ：用於各種格式和檔案（HDFS、Spark、影像、視訊、音訊、CSV、Excel 等）的機器學習資料的 ETL
LibND4J ：支撐一切的 C++ 函式庫。有關 JVM 如何存取本機數組和操作的更多信息，請參閱 JavaCPP
Python4J ：JVM 的捆綁 cpython 執行

DL4J生態系中的所有專案都支援Windows、Linux和macOS。硬體支援包括 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）。

社區支持

如需對此專案的支持，請造訪 https://community.konduit.ai/

在您的專案中使用 Eclipse Deeplearning4J

Deeplearning4J 有相當多的依賴項。因此，我們僅支援使用建置工具。

< 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 >

將這些依賴項新增至您的 pom.xml 檔案中，以將 Deeplearning4J 與 CPU 後端結合使用。如果您想從頭開始一個新的 Maven 項目，則範例儲存庫中提供了完整的獨立項目範例。

程式碼範例

由於 DL4J 是一個多方面的項目，在 mono 儲存庫中包含多個模組，因此我們建議查看範例以了解不同模組的不同用法。下面我們將連結到每個模組的範例。

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

對於希望能夠從其他框架運行模型的用戶，請參閱：

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

文件、指南和教程

您可以在 http://deeplearning4j.konduit.ai/ 找到 Deeplearning4J 及其生態系統其他庫的官方文件。

想要一些例子嗎？

我們有單獨的儲存庫，其中包含各種可用範例：https://github.com/eclipse/deeplearning4j-examples

從源頭構建

最好使用官方預編譯版本（見上文）。但如果您想從原始程式碼構建，請先在此處查看從原始程式碼構建的先決條件：https://deeplearning4j.konduit.ai/multi-project/how-to-guides/build-from-source。可以在那裡找到有關 cpu 和 gpu 構建的各種說明。請造訪我們的論壇尋求進一步協助。

運行測試

為了運行測試，請參閱平台測試模組。此模組僅在 jdk 11 上運行（主要是由於舊版 scala 版本 + JDK 17 的 Spark 和 bug）

platform-tests 讓您可以為不同的後端執行 dl4j。您可以在命令列上指定一些屬性：

backend.artifactId：預設為 nd4j-native 並將在 cpu 上執行測試，您可以指定其他後端，例如 nd4j-cuda-11.6
dl4j.version：您可以變更執行測試的 dl4j 版本。預設為 1.0.0-SNAPSHOT。

更多參數可以在這裡找到：

deeplearning4j/平台測試/pom.xml

c1bf871 中的第 47 行

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

在Intellij IDEA中運行項目：

確保在 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 子模組。右鍵單擊每個資料夾，然後按一下：Maven -> 忽略項目