djl: 딥러닝 모델 구축, 학습 및 배포를 위한 엔진 불가지론적 Java 프레임워크

해결하는 문제

Deep Java Library (DJL)는 딥러닝을 위한 네이티브 Java 개발 경험을 제공하여, Java 개발자가 머신러닝 전문가가 아니거나 Python 중심의 도구에 의존할 필요 없이 모델을 구축, 학습 및 배포할 수 있도록 합니다. 이는 Java 애플리케이션에 딥러닝 모델을 통합하는 과정에서의 마찰을 제거합니다.

작동 방식

DJL은 엔진 불가지론적(engine-agnostic) 프레임워크입니다. 이는 개발자가 Java 코드를 변경하지 않고도 다양한 딥러닝 엔진(PyTorch, TensorFlow 또는 MXNet 등) 사이를 전환할 수 있는 고수준 API를 제공함을 의미합니다. 또한 시스템 구성에 따라 CPU와 GPU 사이를 자동으로 선택하여 하드웨어 가속을 처리합니다.

대상 사용자

애플리케이션에 딥러닝 기능을 통합하고자 하는 Java 개발자뿐만 아니라, 기존의 Java IDE와 전문 지식을 활용하여 신경망을 학습하고 훈련시키고자 하는 개발자들을 대상으로 합니다.

주요 특징

• Engine Agnostic: 코드를 다시 작성하지 않고도 다양한 딥러닝 백엔드 간을 전환할 수 있습니다.
• Native Java Experience: 일반적인 Java 라이브러리처럼 작동하여 표준 Java 워크플로우 및 IDE에 적합합니다.
• CUPU/GPU Auto-selection: 사용 가능한 하드웨어에 따라 성능을 자동으로 최적화합니다.
• Model Zoo Integration: 객체 탐지(object detection)와 같은 작업을 위한 사전 학습된 모델 로딩을 단순화합니다.
• Comprehensive Training API: 신경망 구축을 위한 내장된 블록과 모델 학습 및 저장을 위한 유틸리티를 포함합니다.