deepjavalibrary/djl

An Engine-Agnostic Deep Learning Framework in Java

What it solves

Deep Java Library (DJL) 為深度學習提供原生的 Java 開發體驗，讓 Java 開發者無需成為機器學習專家或依賴以 Python 為中心的工具，即可建構、訓練與部署模型。它消除了將深度學習模型整合到 Java 應用程式中的摩擦力。

How it works

DJL 是一個與引擎無關的框架。這意味著它提供了一個高階 API，讓開發者可以在不更改 Java 程式碼的情況下，在不同的深度學習引擎（例如 PyTorch、TensorFlow 或 MXNet）之間進行切換。它還會自動處理硬體加速，根據系統配置在 CPU 與 GPU 之間進行選擇。

Who it’s for

想要將深度學習功能整合到其應用程式中的 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開發者。

Highlights

  • Engine Agnostic: 在不重寫程式碼的情況下，於不同的深度學習後端之間切換。
  • Native Java Experience: 作為一個標準的 Java 函式庫，融入標準的 Java 工作流程與 IDE。
  • CUPU/GPU Auto-selection: 根據可用硬體自動優化效能。
  • Model Zoo Integration: 簡化了用於物件偵測等任務的預訓練模型載入。
  • Comprehensive Training API: 包含用於建構神經網路的內建區塊以及用於訓練與儲存模型的工具。"},