djl：一个引擎无关的 Java 框架，用于构建、训练和部署深度学习模型

它解决了什么问题

Deep Java Library（DJL）提供了原生的 Java 开发体验，使 Java 开发者能够构建、训练和部署模型，而无需成为机器学习专家或依赖以 Python 为中心的工具。它消除了将深度学习模型集成到 Java 应用中的摩擦。

工作原理

DJL 是一个引擎无关的框架。这意味着它提供了高级 API，允许开发者在不同的深度学习引擎（如 PyTorch、TensorFlow 或 MXNet）之间切换，而无需更改 Java 代码。它还会自动处理硬件加速，根据系统配置在 CPU 和 GPU 之间进行选择。

适用人群

想要在应用中集成深度学习能力的 Java 开发者，以及希望使用已有的 Java IDE 和专业知识来学习和训练神经网络的开发者。

亮点

• 引擎无关：在不同深度学习后端之间切换，无需重写代码。
• 原生 Java 体验：作为普通的 Java 库使用，融入标准的 Java 工作流和 IDE。
• CPU/GPU 自动选择：根据可用硬件自动优化性能。
• 模型库集成：简化加载预训练模型，用于目标检测等任务。
• 完整的训练 API：内置构建神经网络的块以及用于训练和保存模型的实用工具。