完全基於 Java 的開源深度學習平臺，亞馬遜的大佬帶你上手
阿新 • • 發佈：2020-08-20
> 本文適合有 Java 基礎的人群
作者：**DJL-Lanking**
HelloGitHub 推出的[《講解開源專案》](https://github.com/HelloGitHub-Team/Article)系列。有幸邀請到了亞馬遜 + Apache 的工程師：Lanking（ https://github.com/lanking520 ），為我們講解 DJL —— 完全由 Java 構建的深度學習平臺。
## 介紹
許多年以來，一直都沒有為 Java 量身定製的深度學習開發平臺。使用者必須要進行繁雜的專案配置，構建 class 才能最終打造出屬於 Java 的深度學習應用。在那之後，依舊要面臨著依賴項匹配維護等各種麻煩的問題。為了解決這個這個痛點，亞馬遜開源了 Deep Java Library (DJL)
> 專案地址：https://github.com/awslabs/djl/
>
> 官網：https://djl.ai/
一個完全使用 Java 構建的深度學習平臺。DJL 的開發者們也為它量身定製了各種有意思的執行環境，使用者只需要少量配置，甚至直接線上就可以在 Java 上執行深度學習應用。
為了簡化 Java 開發人員在深度學習上的痛點，我們推出了 DJL 未來實驗室計劃：致力於打造一個極簡的 Java 執行環境，創造屬於 Java 自己的深度學習工具箱。你可以輕鬆線上使用，或者離線使用它們來構建你的深度學習應用。我們的目標是，將深度學習更好的貼近 Java 開發者。
下面將介紹能夠讓你快速上手 DJL 的線上嘗試地址或工具。
## 線上編譯：Block Runner
> 線上嘗試：https://djl.ai/website/demo.html
Block Runner 設計十分簡單，它可以直接幫助你線上編譯 Java 深度學習程式碼。如上所示，你只需點選 `Run` 就可以執行這些程式碼。我們提供了多種深度學習引擎供你選擇。你可以輕鬆的在上面完成簡單的深度學習運算以及推理任務。當你在構建完成之後，直接點選 `Get Template` 就可以獲得一份直接在本地就能執行的 gradle 專案。所有的環境都已經配置好了，用編輯器開啟就可以跑簡單舉一個例子，如下是使用 Apache MXNet 模型構建的一份圖片分類應用程式碼，你可以直接複製到線上編輯器：
```java
import ai.djl.inference.*;
import ai.djl.modality.*;
import ai.djl.modality.cv.*;
import ai.djl.modality.cv.transform.*;
import ai.djl.modality.cv.translator.*;
import ai.djl.repository.zoo.*;
import ai.djl.translate.*;
String modelUrl = "https://alpha-djl-demos.s3.amazonaws.com/model/djl-blockrunner/mxnet_resnet18.zip?model_name=resnet18_v1";