PyTorch在深度学习领域中的应用日趋广泛,得益于它独特的规划。无论是数据的并行处理仍是动态计算图,全部都为Python做出了许多简化。许多论文都挑选运用PyTorch去完成也证明了它在练习方面的功率以及易用性。
在PyTorch领域,虽然布置一个模型有许多挑选,可为Java开发人员准备的选项却寥寥无几。
在曩昔,用户能够用PyTorchC++写JNI(JavaNativeInterface)来完成这个进程。最近,PyTorch1.4也发布了试验性的Java前端。
但是这两种解决方案都没有方法能让Java开发者很好的运用:用户需要从易于运用和易于保护中二选一。
针关于这个问题,亚马逊云服务(AWS)开源了DeepJavaLibrary(DJL),一个为Java开发者规划的深度学习库。它兼顾了易用性和可保护性,全部运行功率以及内存办理问题都得到了很好的处理。
DJL运用起来异常简单。只需几行代码,用户就能够轻松布置深度学习模型用作推理。那么咱们就开端上手用DJL布置一个PyTorch模型吧。
前期准备
用户能够轻松运用maven或许gradle等Java常用配置办理包来引用DJL。下面是一个示例:
plugins{id'java'}repositories{jcenter()}dependencies{implementation"ai.djl:api:0.4.0"implementation"ai.djl:repository:0.4.0"runtimeOnly"ai.djl.pytorch:pytorch-model-zoo:0.4.0"runtimeOnly"ai.djl.pytorch:pytorch-native-auto:1.4.0"}
然后只需gradlebuild