자바로 딥 러닝 모델 실행 : 빠른 이해

직관적 인 고급 API를 사용하여 Java에서 딥 러닝 모델을 개발, 교육 및 실행하는 오픈 소스 라이브러리 인 Deep Java Library (DJL)를 발표하게되어 기쁩니다. 딥 러닝 학습에 관심이있는 Java 사용자 인 경우 DJL은 학습을 시작하는 좋은 방법입니다. 딥 러닝 모델로 작업하는 Java 개발자 인 경우 DJL은 예측 학습 및 실행 방법을 단순화합니다. 이 게시물에서는 사전 훈련 된 딥 러닝 모델을 사용하여 몇 분 만에 예측을 실행하는 방법을 보여줍니다.

코딩을 시작하기 전에이 라이브러리를 구축하려는 동기를 공유하고 싶습니다. 딥 러닝 환경을 조사하면서 Python 사용자를위한 풍부한 리소스를 발견했습니다. 예를 들어, 데이터 분석을위한 NumPy; 시각화를위한 Matplotlib; MXNet, PyTorch, TensorFlow 등과 같은 프레임 워크. 그러나 Java가 엔터프라이즈에서 가장 널리 사용되는 언어 임에도 불구하고 Java 사용자를위한 리소스는 거의 없습니다. 우리는 이미 익숙한 언어로 딥 러닝 모델을 교육하고 제공하기 위해 수백만 명의 Java 사용자에게 오픈 소스 도구를 제공한다는 목표를 세웠습니다.

DJL은 기존 딥 러닝 프레임 워크 위에 네이티브 Java 개념으로 구축되었습니다. 사용자에게 딥 러닝의 최신 혁신에 대한 액세스와 최첨단 하드웨어로 작업 할 수있는 기능을 제공합니다. 간단한 API는 딥 러닝 모델 개발과 관련된 복잡성을 추상화하여 배우기 쉽고 적용하기 쉽게 만듭니다. model-zoo에 번들로 제공되는 사전 학습 된 모델 세트를 통해 사용자는 즉시 딥 러닝을 Java 애플리케이션에 통합 할 수 있습니다.

AWS

* 다른 프레임 워크는 현재 지원되지 않습니다.

딥 러닝은 다양한 사용 사례를 통해 기업에 침투하고 있습니다. 소매업에서는 고객 수요를 예측하고 챗봇과의 고객 상호 작용을 분석하는 데 사용됩니다. 자동차 산업에서는 자율 주행 차량을 탐색하고 제조 과정에서 품질 결함을 찾는 데 사용됩니다. 그리고 스포츠 산업에서는 실시간 코칭 및 훈련 통찰력으로 게임이 진행되는 방식을 바꾸고 있습니다. 상대방의 움직임을 모델링하거나 딥 러닝 모델을 사용하여 팀을 배치하는 방법을 결정할 수 있다고 상상해보십시오. 이 기사에서 Seattle Seahawks가 딥 러닝을 사용하여 게임 전략을 알리고 의사 결정을 가속화하는 방법에 대해 알아볼 수 있습니다.

이 게시물에서 우리는 우리 팀의 축구 팬들과 화음을 낸 예를 공유합니다. DJL model-zoo의 사전 훈련 된 Single Shot Detector 모델을 사용하여 이미지에서 플레이어를 식별하는 반대 감지 모델을 보여줍니다. 이 예제는 Linux와 macOS 모두에서 실행할 수 있습니다.

애플리케이션 프로젝트에서 DJL을 사용하려면 IntelliJ IDEA로 gradle 프로젝트를 만들고 build.gradle 구성에 다음을 추가하세요.

AWS

참고 : MXNet의 런타임 종속성은 Linux 및 macOS 환경에서 다릅니다. GitHub 문서를 참조하십시오  .

이 축구 이미지를 감지에 사용합니다.

AWS

아래에 공유 된 코드 블록으로 예측을 실행합니다. 이 코드는 model-zoo에서 SSD 모델을로드하고, 모델에서를 생성하고  Predictor ,  predict 함수를 사용하여 이미지의 개체를 식별합니다. 그런 다음 도우미 유틸리티 함수가 감지 된 개체 주위에 경계 상자를 배치합니다.

AWS

이 코드는 이미지에서 3 명의 플레이어를 식별하고 결과를 작업 디렉토리에 ssd.png로 저장합니다.

AWS

이 코드와 라이브러리는 model-zoo의 다른 모델을 테스트하고 실행하도록 쉽게 조정할 수 있습니다. 그러나 재미는 여기서 멈추지 않습니다! 질문 답변 모델을 사용하여 자신의 텍스트 도우미를 교육하거나 이미지 분류 모델을 사용하여 식료품 선반 등에있는 개체를 식별 할 수 있습니다. 더 많은 예제를 보려면 Github 저장소를 방문하십시오.

이 게시물에서는 Java 사용자에게 최신의 최고의 딥 러닝 개발 경험을 제공하기위한 겸손한 노력 인 DJL을 소개했습니다. 사전 훈련 된 모델을 사용하여 DJL이 몇 분 만에 이미지에서 물체를 감지하는 방법을 시연했습니다. DJL GitHub 저장소에 더 많은 예제와 추가 문서를 제공합니다.

우리는 우리 여정에 커뮤니티의 참여를 환영합니다. 시작하려면 Github 저장소로 이동하여 Slack 채널에 가입하세요.