DJL是一个在2019年底发布的深度学习Java库，旨在简化模型训练、测试和部署。它提供了与框架无关的API，支持Apache MXNet，并计划支持TensorFlow和PyTorch。DJL利用JNA与原生库交互，提供自动CPU/GPU选择和多GPU支持。通过DJL，Java开发者可以轻松进行深度学习应用，如目标检测，例子中展示了使用SSD模型检测足球运动员。
前言
这几年深度学习的爆发带来了一个未曾预料到的结果，Python 这个曾经小众的语言突然之间变得炙手可热。究其原因，在Python 的生态中我们可以容易的找到许多的资源。例如，NumPy用于数据计算、Matplotlib用于数据可视化以及MXNet、PyTorch、TensorFlow等一众深度学习框架。相比之下，尽管Java语言仍是最流行的语言之一，拥有为数众多的开发者，尤其在企业市场拥有最广泛的应用基础，但事实上我们很难找到合适的用于深度学习的Java工具或者框架。现有的为数不多的工具仍存在着许多的不足，例如：易用性不高，使用的仍是 “低级”的API；绑定于具体的深度学习框架，缺乏框架无关的特性等等。
2020年2月的TIOBE程序语言指数 (https://www.tiobe.com/tiobe-index/)
StackOverflow 开发人员的调查结果 2019 (https://insights.stackoverflow.com/
最低0.47元/天 解锁文章
扫一扫
3284
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
