深度学习领域中有很多面向Python开发者的资源与教程,比如使用NumPy进行数据分析、使用MatPlotlib进行可视化等;深度学习框架方面,TensorFlow、PyTorch、MXNet等常用框架都对Python有很好的支持。相比而言在企业项目中,Java、Scala等虽然是使用最多的开发语言,但各类主流深度学习框架面向Java开发者的支持非常少。Java开发者必须要进行繁杂的项目配置,构建class,才能最终打造出属于Java的深度学习应用。
如果你是一名Java应用开发工程师,并正在尝试将 AI 技术融入到项目中,那么这款被Java创始人James Gosling点赞的深度学习框架DJL是一个不错的选择。
DJL(Deep Java Library )是亚马逊在宣布推出的开源的深度学习开发包,它是在现有深度学习框架基础上使用原生Java概念构建的开发库。它为开发者提供了深度学习的最新创新和使用前沿硬件的能力,例如GPU、MKL等。简单的API抽象并简化了开发深度学习模型所涉及的复杂性,使得DJL更易于学习和应用。有了model-zoo中绑定的预训练模型集,开发者可以立即开始将深度学习的SOTA成果集成到Java应用当中。
DJL秉承了Java的座右铭:「Write once, run anywhere」,不依赖于具体的引擎和深度学习框架,可以随时切换框架。原则上,基于DJL开发人员可以编写在任何引擎上运行的代码。DJL目前提供了MXNet,、PyTorch和TensorFlow的实现。DJL通过调用JNI或者JNA来调用相应的底层操作。DJL 编排管理基础设施,基于硬件配置来提供自动的 CPU/GPU 检测,以确保良好的运行效果。
为了帮助Java开发者更好地上手DJL,机器之心联合AWS带来三期线上分享,主题分别为:
DJL综述以及推理应用
DJL 推理架构及客户成功案例
轻松上手Deep Java Library
10月29日,第一期分享
DJL综述以及推理应用
分享主题:DJL综述以及推理应用
分享时间:10月29日 20:00-21:00
讲师简介:兰青,AWS算法工程师,硕士毕业于美国哥伦比亚大学, 本科毕业于英国利物浦大学。兰青是DJL深度学习框架的作者之一,也是 Apache MXNet PPMC成员之一,精通深度学习框架架构以及Java开发, 致力于研究并解决用户在机器学习推理和训练中遇到的难题。
分享概要:主要介绍深度学习以及什么是DJL。通过几个主要问题的引入包括为什么用Java做深度学习、为什么用DJL、在哪里用DJL,我们将介绍DJL深度学习框架以及它解决用户的痛点。通过丰富的实用案例以及好玩的在线demo帮助开发者更好了解DJL是如何将Java和深度学习有机结合起来的。同时我们也会介绍一些应用实例,帮助开发者更好的在AWS云服务平台上部署在线服务和微服务。
实践作业:我们将根据分享内容设置一次实践作业,并根据作业完成度包括代码是否可以运行、结果是否正确、效率是否最好、呈现是否满足或超出预期等标准进行综合评估。
我们将从所有作业中评出1名MVP奖,赠送200元天猫超市购物券;评出6名优秀奖,赠送50元天猫超市购物券。