- 综合排序
- 最热优先
- 最新优先
- 来自专栏csdn
使用DJL和PaddlePaddle的口罩检测详细指南
使用DJL和PaddlePaddle的口罩检测详细指南 完整代码 该项目利用DJL和PaddlePaddle的预训练模型，构建了一个口罩检测应用程序。 模型加载和预测： 使用DJL的ZooModel类加载人脸检测和口罩分类模型。人脸检测模型识别图像中的人脸区域，分类模型判断每张人脸是否佩戴口罩。 : 加载模型和初始化预测器 ModelZoo.loadModel(faceDetection.criteria(scale, threshold))通过criteria加载人脸检测模型，并将其转化为DJL
53210编辑于 2024-11-21 - 来自专栏HelloGitHub
完全基于 Java 的开源深度学习平台，亚马逊的大佬带你上手
为了解决这个这个痛点，亚马逊开源了 Deep Java Library (DJL) 项目地址：https://github.com/awslabs/djl/ 官网：https://djl.ai/ 一个完全使用 .*; 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 在线尝试：https://djl.ai/website/demo.html#jshell JShell 是一个 JShell[4] 的改版，包含了 DJL 的特性。 我们为 JShell 提前准备了下面的引入: import ai.djl.ndarray.NDManager; import ai.djl.ndarray.NDArray; import ai.djl.ndarray.types.Shape
1.5K30发布于 2021-05-14 - 来自专栏HelloGitHub
DJL 之 Java 玩转多维数组，就像 NumPy 一样
作者：DJL-Lanking HelloGitHub 推出的《讲解开源项目》系列。 ai.djl.pytorch:pytorch-engine:0.6.0" runtimeOnly "ai.djl.pytorch:pytorch-native-auto:1.5.0" } 然后 五、NDArray 的实现过程 你也许会好奇 NDArray 究竟是如何在 DJL 之中构建的呢？接下来，我们会讲解一下 NDArray 在 DJL 内部中的架构。架构图如下： ? 更多详情尽在 NDArray 文档：https://javadoc.io/doc/ai.djl/api/latest/ai/djl/ndarray/NDArray.html 关于 DJL ? DJL 博取众长，构建在多个深度学习框架之上 (TenserFlow、PyTorch、MXNet 等) 也同时具备多个框架的优良特性。你可以轻松使用 DJL 来进行训练然后部署你的模型。
1.8K30发布于 2021-05-14 - 来自专栏技术汇总专栏
深度学习与Java 使用Deep Java Library（DJL）构建AI模型
通过DJL，Java开发者无需切换到Python环境，便能在Java中实现深度学习模型的构建、训练、评估及部署。安装与配置DJL在开始构建深度学习模型之前，首先需要配置DJL环境。 添加DJL依赖在你的pom.xml文件中，添加DJL的Maven依赖：<dependencies> <dependency> <groupId>ai.djl</groupId> import ai.djl.Application;import ai.djl.dataset.Mnist;import ai.djl.dataset.iris.Iris;import ai.djl.util.Utils ai.djl.modality.Classifications;import ai.djl.nn.Block;import ai.djl.nn.SequentialBlock;import ai.djl.nn.core import ai.djl.Application;import ai.djl.training.Trainer;import ai.djl.training.loss.Loss;import ai.djl.training.optimizer.Adam
2.6K30编辑于 2025-02-03 - 来自专栏机器之心
Java之父点赞的开源Java深度学习框架，你不学下吗？
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。 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 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。
68010编辑于 2023-03-29 - 来自专栏JavaGuide
快到飞起！兼容所有主流操作系统，又一 Java 开发神器面世！
此时，DJL 就出现在了眼前。对于 Aaron 来说，他并不了解 AI，只是想找到一个现成的方法解决这个问题。 Aaron 在 DJL 提供的案例里找到了基于飞桨的口罩识别应用模型！ 首先，他需要引入 DJL 相关的依赖项至 Gradle（Java 中常用的构建工具）里: dependencies { implementation "ai.djl:api:0.10.0" implementation "ai.djl.paddlepaddle:paddlepaddle-model-zoo:0.10.0" runtimeOnly "ai.djl.paddlepaddle:paddlepaddle-native-auto 没想到，就算是 Java 小白也可以轻松上手 DJL x Paddle。 Big love to DJL x Paddle :>" 翻译 （DJL 组 Zach）: "wo bu hui zhong wen" 总结 上面的案例只是冰山一角。
1K30发布于 2021-04-30 - 来自专栏设计模式
用 Java 做个“你画手机猜”的安卓小游戏
涂鸦应用完整代码： https://github.com/aws-samples/djl-demo/tree/master/android 一、环境配置 为了兼容 DJL 需求的 Java 功能，这个项目需要 :0.7.0' implementation 'ai.djl.android:core:0.7.0' runtimeOnly 'ai.djl.pytorch:pytorch-engine File dir = getFilesDir(); System.setProperty("DJL_CACHE_DIR", dir.getAbsolutePath()); 通过更改 DJL_CACHE_DIR DJL 模型加载文档：http://docs.djl.ai/docs/load_model.html 3.3.2 用 Translator 定义前处理和后处理 在DJL 中，我们定义了 Translator DJL 博取众长，构建在多个深度学习框架之上 (TenserFlow、PyTorch、MXNet 等) 也同时具备多个框架的优良特性。你可以轻松使用 DJL 来进行训练然后部署你的模型。
2.1K20发布于 2020-12-28 - 来自专栏HelloGitHub
用 Java 训练深度学习模型，原来这么简单！
在这个案例中，我们用 DJL 的 api 包 (核心 DJL 组件) 和 basicdataset 包 (DJL 数据集) 来构建神经网络和数据集。 :bom:0.8.0") implementation "ai.djl:api" implementation "ai.djl:basicdataset" // MXNet 想了解更多关于它们的用法和实践，请参阅我们前一期文章：DJL 之 Java 玩转多维数组，就像 NumPy 一样 Model 在 DJL 中，训练和推理都是从 Model class 开始构建的。 用 DJL 训练是不是还是很轻松的？之后看一下输出每一步的训练结果。 DJL 博取众长，构建在多个深度学习框架之上 (TenserFlow、PyTorch、MXNet 等) 也同时具备多个框架的优良特性。你可以轻松使用 DJL 来进行训练然后部署你的模型。
1.3K10发布于 2021-05-14 - 来自专栏HelloGitHub
GitHub 上的大佬们打完招呼，会聊些什么？
他是亚马逊开源的 Java 深度学习框架 DJL 的核心维护者、Apache MXNet 的 Committer（提交者），一枚喜欢滑雪的大佬程序员。 ? 项目： https://github.com/awslabs/djl 正在找增强学习的例子，然后目前全网提供的方案也没什么 Java 的实现和实战项目。 如上图，我打完招呼就直切主题，说明我的来意：您有没有兴趣用 DJL 做一个 RL 的愤怒小鸟，就是用深度学习框架 DJL 赋予这个小鸟“永生”，做个“不死鸟”。 K 说他在用 DJL 实现的过程中遇到了问题。原来他自己闷头去搞了，现在遇到问题才想起我！ 然后我就拉来了同为 DJL 维护者的 Zach 他比我更懂 RL，来帮我们： ? 通过他的鼓励，并按照他的建议修改后，我们在 CPU 上训练的小鸟可以玩到 6-7 分。
61520发布于 2021-05-14 - 来自专栏Java开发
2025 最新技术：手把手教你 AI 与传统 Java 应用集成的实操指南
技术选型与环境准备核心技术栈基础框架：Spring Boot 3.2.x（兼容传统Java EE应用）AI集成框架：DJL 0.27.0（支持最新2.2+、PyTorch 2.3+）本地大模型部署：Ollama 0.1.48（支持多模型管理）向量数据库：Milvus 2.4（用于RAG场景的向量存储）API文档：SpringDoc OpenAPI 2.3.0环境配置安装Java 17+（必须，因DJL和Spring -- DJL核心依赖 --><dependency> <groupId>ai.djl</groupId> <artifactId>djl-spring-boot-starter</artifactId ://ai.djl.huggingface.pytorch/sentence-transformers/all-MiniLM-L6-v2") .optTranslator( 性能优化策略模型缓存：使用DJL的模型缓存机制，避免重复加载模型System.setProperty("ai.djl.cache-model", "true");System.setProperty("
65410编辑于 2025-08-08 - 来自专栏Android干货
mac下Android Studio 安装和使用adb
e .bash_profile 3.在.bash_profile文件添加SDK路径 SDK路径查看 Tools -> SDK Manager) export ANDROID_HOME=/Users/djl export PATH=${PATH}:${ANDROID_HOME}/platform-tools 4.执行命令 source .bash_profile 5.验证是否安装成功 adb version djl djldeMacBook-Pro ~ % adb version Android Debug Bridge version 1.0.41 Version 30.0.4-6686687 Installed as /Users/djl
4.6K40编辑于 2023-03-07 一键搞定人脸识别、语音识别、车牌识别本地化！离线跑模型不装框架！！！
引擎层（DJL/JNI）：通过DJL调用PyTorch、MXNet、TensorFlow、ONNX等深度学习引擎；通过JNI调用C++算法库。 DJL框架纯Java深度学习框架支持多种引擎，可加载大量预训练模型仍需理解模型加载、预处理、后处理等细节。 ([docs.djl.ai][3])SmartJavaAIJava深度学习工具包基于DJL+JNI封装多种主流模型，提供统一API，两行代码即可调用，人脸/OCR/语音等能力开箱即用专注算法调用与落地， 与DJL、AIAS等同类项目的定位差异我们再看一下SmartJavaAI、DJL与AIAS的侧重点差异：维度SmartJavaAIDJLAIAS项目定位面向Java业务开发者的离线AI工具箱，强调开箱即用的算法能力 技术路线稳健：充分利用DJL、SeetaFace6、PaddleOCR、Whisper等成熟项目，通过Java封装降低使用门槛。
46211编辑于 2025-11-28- 来自专栏程序员千羽
图森未来-算法后端平台二面(pass)
3、你认为DJL与Pytorch、Tensorflow之类的有什么区别？ 4、你认为如果要实现一个深度学习框架，有哪些要素是必须要实现的？ 3、你认为DJL与Pytorch、Tensorflow之类的有什么区别？ DJL（Deep Learning贾克斯）与Pytorch、Tensorflow的区别如下： 环境部署：DJL是在Amazon的AWS上进行深度学习模型训练的AI框架，它能够运行在多种类型的硬件上，包括 计算效率：DJL具有高效的计算能力，它采用分布式训练，可以快速地处理大规模的数据。而Tensorflow和PyTorch虽然也有分布式训练，但相对而言，它们的计算效率可能不如DJL。 而DJL的社区相对较小，可能没有那么多现成的模型和代码可以使用。 模型部署：DJL提供了自动化的模型部署功能，可以将训练好的模型快速地部署到云端或者本地设备上。
57010编辑于 2023-12-13 - 来自专栏nginx
Java在AI时代的崛起：从传统机器学习到AIGC的全栈解决方案
1.1 深度学习框架：接轨主流AI技术 Deep Java Library (DJL) - 统一的深度学习接口 DJL是Amazon开源的Java深度学习库，其最大的优势在于提供了统一的API来操作不同的深度学习后端 // DJL示例：使用预训练模型进行图像分类 import ai.djl.Application; import ai.djl.Model; import ai.djl.inference.Predictor ; import ai.djl.modality.Classifications; import ai.djl.modality.cv.Image; import ai.djl.modality.cv.ImageFactory ; import ai.djl.repository.zoo.Criteria; import ai.djl.repository.zoo.ModelZoo; import ai.djl.repository.zoo.ZooModel
35010编辑于 2025-11-16 - 来自专栏Java开发
2025 版一线互联网大厂 Java 面试题深度剖析与实战攻略
七、AI与Java融合（一）使用DeepJavaLibrary(DJL)进行AI推理问题：如何在Java应用中集成图像分类模型？ 技术方案：添加DJL依赖：<dependency> <groupId>ai.djl</groupId> <artifactId>api</artifactId> <version>0.22.1 </version></dependency><dependency> <groupId>ai.djl.pytorch</groupId> <artifactId>pytorch-engine Criteria.builder() .setTypes(Image.class, Classifications.class) .optModelUrls("djl ://ai.djl.pytorch/resnet18") .build()); // 创建预测器 Predictor<Image
50410编辑于 2025-06-07 - 来自专栏机器之心
10分钟标注数据胜过一年前的960h，FAIR新研究实现语音识别大进展（模型已开源）
Java工程师入门深度学习（三）：轻松上手Deep Java Library DJL是亚马逊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。 DJL目前提供了MXNet,、PyTorch和TensorFlow的实现。Java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。 11月5日20:00，魏莱（AWS算法工程师）将带来线上分享，介绍DJL主要模块并结合具体场景讲解各模块的使用方法、主要API的使用方法和注意事项、神经网络从训练到部署的基本流程并结合动手深度学习Java
1.1K30发布于 2020-11-13 - 来自专栏Android干货
mac下使用adb错误 zsh: command not found: adb
djl@djldeMacBook-Pro ecloud_retail % abd version zsh: command not found: abd 已确认安装adb成功 背景： zsh 也是一种
2.4K30编辑于 2023-03-07 - 来自专栏站长的编程笔记
【说站】javascript中promise有什么局限
error=> { console.log(error.message); return result; }).then(function () { console.log('DJL
29630编辑于 2022-11-24 - 来自专栏Java开发
传统 Java 应用与 AI 技术深度集成的实现路径与优化策略
技术方案选择合适的AI框架DJL（Deep Java Library）：是一个跨语言接口，支持PyTorch/TensorFlow等多种深度学习框架。 模型加载与推理：对于DJL框架，可直接加载PyTorch、TensorFlow等多种格式的预训练模型。若使用ONNX Runtime Java，可将模型转换为ONNX格式后加载运行，实现高效推理。
40810编辑于 2025-08-08 - 来自专栏码匠的流水账
langchain4j+Chroma小试牛刀
/ I like football. }}这里使用了Jlama提供的JlamaEmbeddingModel，官方示例的AllMiniLmL6V2EmbeddingModel在mac下会报错ai.djl.engine.EngineException
52800编辑于 2025-03-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号