维基百科

Deeplearning4j

Deeplearning4j是为Java和Java虚拟机[2][3]编写的开源深度学习库，是广泛支持各种深度学习算法的运算框架[4]。Deeplearning4j可以实施的技术包括受限玻尔兹曼机、深度置信网络、深度自动编码器、堆叠式降噪自动编码器、循环神经张量网络，以及word2vec、doc2vec和GloVe。这些算法全部包括分布式并行版本，与Hadoop和Spark集成。[5]Skymind是Deeplearning4j的商业支持机构。

Deeplearning4j
原作者Adam Gibson
开发者众多
当前版本
  • 0.9.1（2017年8月12日；稳定版本）[1]
编辑维基数据链接
源代码库
编辑维基数据链接
编程语言Java, Scala, CUDA, C
操作系统Linux, macOS, Windows, Android
平台跨平台
类型自然语言处理, 深度学习, 机器视觉, 人工智能
许可协议Apache许可证2.0
网站deeplearning4j.org

简介

编辑

Deeplearning4j基于广泛使用的编程语言Java——同时也兼容Clojure，并且包括Scala的API。它由自有的开源数值计算库ND4J驱动，可使用CPU或GPU运行。[6][7] Deeplearning4j是开源项目[8]，主要由位于旧金山的一支机器学习团队开发，团队由Adam Gibson领导。[9][10]Deeplearning4j是谷歌Word2vec页面上列出的唯一一个在Java环境下实施Word2vec的开源项目。[11]

Deeplearning4j已经用于多项商业和科研应用。其代码由GitHub[12]托管，并在谷歌小组[13]上设有支持论坛。 

这一框架是可组合的，即受限玻尔兹曼机、卷积网络、自动编码器、递归网络等浅层神经网络可以相互叠加，组合成不同类型的深度网络。

分布式

编辑

Deeplearning4j的定型以集群进行。神经网络通过迭代化简平行定型，可以在Hadoop/YARN以及Spark上运行。[9][14]Deeplearning4j还与Cuda内核集成，进行纯GPU操作，可使用分布式GPU运行。

Java虚拟机中的科学计算

编辑

Deeplearning4j包括使用ND4J的N维数组类，可在Java和Scala中进行科学计算，类似于Numpy为Python提供的功能。其基础是线性代数库，可有效支持生产环境中的矩阵操作。

用于机器学习的Canova向量化库

编辑

Canova可将各类文件格式和数据类型向量化，所用的输入/输出格式系统近似于Hadoop的MapReduce。Canova目前仍在开发中，设计目标是实现CSV、图像、声音、文本和视频的向量化。Canova可以从命令行使用。 版本0.4.0之后，Canova库已合并到 DataVec当中。

文本与NLP

编辑

Deeplearning4j包括一个向量空间模型和主题模型工具包，在Java中实施，与并行GPU集成以提高表现。这是专门为处理大量文本而设计的。

Deeplearning4j可实施tf–idf、深度学习以及Mikolov的word2vec算法、doc2vec和GloVe－在Java中再实施并优化。它依靠t-SNE生成视觉化的文字云。

实际应用情景与集成

编辑

Deeplearning4j的实际应用情景包括金融行业[15]的欺诈侦测、制造业等行业中的异常检测、电子商务与广告业的推荐系统、图像识别等。Deeplearning4j已与RapidMiner和Prediction.io等其他机器学习平台集成。

相关库

编辑
  • OpenNN，一个用C++语言编写的深度学习开源神经网络库。
  • Torch，一个用Lua语言编写的 开源框架，广泛支持各类机器学习算法。
  • Theano，一个为Python开发的开源深度学习库。
  • Neuroph

参见

编辑

参考文献

编辑
  1. ^ Release 0.9.1. 2017年8月12日 [2018年7月20日]. 
  2. ^ Metz, Cade. The Mission to Bring Google's AI to the Rest of the World. Wired.com. 2014-06-02 [2014-06-28]. （原始内容存档于2014-06-29）. 
  3. ^ Vance, Ashlee. Deep Learning for (Some of) the People. Bloomberg Businessweek. 2014-06-03 [2014-06-28]. （原始内容存档于2014-06-25）. 
  4. ^ Novet, Jordan. Want an open-source deep learning framework? Take your pick. VentureBeat. 2015-11-14 [2015-11-24]. （原始内容存档于2015-11-27）. 
  5. ^ TV, Functional. Adam Gibson, DeepLearning4j on Spark and Data Science on JVM with nd4j, SF Spark @Galvanize 20150212. SF Spark Meetup. 2015-02-12 [2015-03-01]. （原始内容存档于2015-12-26）. 
  6. ^ Harris, Derrick. A startup called Skymind launches, pushing open source deep learning. GigaOM.com. 2014-06-02 [2014-06-29]. （原始内容存档于2014-06-28）. 
  7. ^ Novet, Jordan. Skymind launches with open-source, plug-and-play deep learning features for your app. 2014-06-02 [2014-06-29]. （原始内容存档于2014-06-28）. 
  8. ^ Github Repository. [2016-03-27]. （原始内容存档于2019-09-24）. 
  9. ^ 9.0 9.1 deeplearning4j.org. [2016-03-27]. （原始内容存档于2016-03-30）. 
  10. ^ Crunchbase Profile. [2016-03-27]. （原始内容存档于2017-07-31）. 
  11. ^ Google Code. [2016-03-27]. （原始内容存档于2016-03-10）. 
  12. ^ piskvorky. GitHub - piskvorky/gensim: Topic Modelling for Humans. GitHub. [2016-03-27]. （原始内容存档于2016-02-01）. 
  13. ^ Google Groups. google.com. [2016-03-27]. （原始内容存档于2011-01-22）. 
  14. ^ Iterative reduce. [2016-03-27]. （原始内容存档于2018-06-10）. 
  15. ^ FINANCE & FRAUD. Skymind. [2016-03-27]. （原始内容存档于2016-03-10）. 

外部链接

编辑
检索自“https://zh.wikipedia.org/w/index.php?title=Deeplearning4j&oldid=80527029”