djl：一個與引擎無關的 Java 框架，用於構建、訓練與部署深度學習模型

它解決了什麼問題

Deep Java Library（DJL）提供原生的 Java 開發體驗，讓 Java 開發者能在不必成為機器學習專家或依賴以 Python 為中心的工具的情況下，構建、訓練與部署模型。它消除了將深度學習模型整合到 Java 應用程式中的摩擦。

它如何運作

DJL 是一個與引擎無關的框架。這意味著它提供高階 API，允許開發者在不同的深度學習引擎（如 PyTorch、TensorFlow 或 MXNet）之間切換，而不必更改 Java 程式碼。它同時會自動處理硬體加速，根據系統配置在 CPU 與 GPU 之間選擇。

適用對象

想要在應用程式中整合深度學習功能的 Java 開發者，以及希望利用現有的 Java IDE 與專業知識來學習與訓練神經網路的人士。

重點特色

• 與引擎無關：在不同深度學習後端之間切換，無需重寫程式碼。
• 原生 Java 體驗：如同一般的 Java 函式庫，能融入標準的 Java 工作流程與 IDE。
• CPU/GPU 自動選擇：根據可用硬體自動最佳化效能。
• 模型庫整合：簡化載入預訓練模型（如目標偵測） 的流程。
• 完整的訓練 API：內建構建神經網路的模組與訓練、保存模型的工具。