何时将深度学习用于java，而不是python

Question

我被要求探索使用java构建基于深度学习的应用程序的选项，因此我碰巧浏览了一个名为dl4j (https://deeplearning4j.org)的网站，该网站从MLP到RNN/LSTM都有不同神经网络的应用。

但我无法理解在基于python的实现上使用dl4j的基本原理。那么，有谁能请您澄清一下以下几个项目呢？

1. ETL
2. 数据预处理
3. 利用预先训练的模型/转移学习
4. 分布式计算
5. 处理大容量数据(图像、时间序列数据、传感器data..etc)
6. 生产实施(批量或实时/在线)
7. 后期生产培训(细菌或实时/在线)
8. 移动应用程序开发
9. IoT边缘器件计算

Answer 1

当涉及到为某一应用程序选择一种语言时，许多因素可能起着作用：

• 谁将构建/维护应用程序，他们是否熟悉该语言？
• 应用程序需要与哪些其他系统进行通信，一种语言是否比另一种语言更容易实现？
• 这个项目是实验性的还是应该成为未来几年的基石？
• 是否存在该语言需要做的工作的现有实现/框架？它是否符合需要，还是需要修改？
• 等。

如果我们看看你的名单，这是我的看法：

• ETL

ETL与语言无关，Java和Python都有很好的绑定到ETL所需的工具。

• 数据预处理

类似于ETL，虽然Python可能更容易做简单的事情。

• 利用预先训练的模型/转移学习

Python要方便得多，因为大多数现有的框架和经过预先培训的模型都与Python兼容，很可能与Java不兼容。

• 分布式计算

Hadoop堆栈对Java非常友好。值得注意的是，Python越来越易于在Hadoop产品中使用(但Java仍然运行在下面)

• 处理大量数据(图像、时间序列数据、传感器data..etc)

虽然Python有慢的名声，但是如果您知道自己在做什么，那么您将使用的大多数Python库最终都会运行C/C++代码，所以速度不应该是一个大问题。

• 生产实施(批量或实时/在线)

Java是静态类型的，它为生产提供了许多优势，使用Python (即pydantic、mypy等)来实现Java也变得越来越容易。

• 后期生产培训(细菌或实时/在线)

这与语言无关，这更多地与您的MLOps和管道有关。

• 移动应用程序开发

Java绝对有优势，尽管在一个微服务的世界里，Python可以证明是非常有用的。

• IoT边缘器件计算

在设备计算方面，Java可能有优势，尽管C/C++可能是您最好的盟友。