Deeplearning4j 是什么？

Deeplearning4j（简称DL4J）是为Java和Scala编写的首个商业级开源分布式深度学习库。DL4J与Hadoop和Spark集成，为商业环境（而非研究工具目的）所设计。Skymind是DL4J的商业支持机构。

Deeplearning4j技术先进，以即插即用为目标，通过更多预设的使用，避免太多配置，让非研究人员也能够进行快速的原型制作。DL4J同时可以规模化定制。DL4J遵循Apache 2.0许可协议，一切以其为基础的衍生作品均属于衍生作品的作者。

您可以根据我们在快速入门页上的说明，在几分钟内运行您的首个定型神经网络示例。

神经网络使用情景

• 人脸／图像识别
• 语音搜索
• 文本到语音（转录）
• 垃圾邮件筛选（异常情况探测）
• 欺诈探测
• 推荐系统（客户关系管理、广告技术、避免用户流失）
• 回归分析

为何选择Deeplearning4j？

• 功能多样的N维数组类，为Java和Scala设计
• 与GPU集合
• 可在Hadoop、Spark上实现扩缩
• Canova：机器学习库的通用向量化工具
• ND4J：线性代数库，较Numpy快一倍

Deeplearning4j包括了分布式、多线程的深度学习框架，以及普通的单线程深度学习框架。定型过程以集群进行，也就是说，Deeplearning4j可以快速处理大量数据。神经网络可通过[迭代化简]平行定型，与Java、Scala和Clojure均兼容。Deeplearning4j在开放堆栈中作为模块组件的功能，使之成为首个为微服务架构打造的深度学习框架。

DL4J神经网络

• 受限玻尔兹曼机
• 卷积网络 （图像）
• 递归网络/LSTMs（时间序列和传感器数据）
• 递归自动编码器
• 深度置信网络
• 深度自动编码器（问－答／数据压缩）
• 递归神经传感器网络（场景、分析）
• 堆叠式降噪自动编码器
• 更多用途请参见《如何选择神经网络》

深度神经网络能够实现前所未有的准确度。对神经网络的简介请参见概览页。简而言之，Deeplearning4j能够让你从各类浅层网络（其中每一层在英文中被称为）出发，设计深层神经网络。这一灵活性使用户可以根据所需，在分布式、生产级、能够在分布式CPU或GPU的基础上与Spark和Hadoop协同工作的框架内，整合受限玻尔兹曼机、其他自动编码器、卷积网络或递归网络。

此处为我们已经建立的各个库及其在系统整体中的所处位置：

在定型深度学习网络的过程中，有许多可供调节的参数。我们已尽可能对这些参数进行解释，从而使Deeplearning4j能够成为Java、Scala和Clojure编程人员的DIY工具。

如果您有任何问题，请在Gitter上加入我们；如果需要高级支持，则请与Skymind联系。ND4J是基于Java的科学运算引擎，用来驱动矩阵操作。在大型矩阵上，我们的基准显示ND4J较Numpy运算速度快大约一倍。

Deeplearning4j教程

• 深度神经网络简介
• 卷积网络教程
• LSTM和递归网络教程
• 通过DL4J使用递归网络
• 深度置信网络和MNIST
• 针对LFW人脸图像数据集进行人脸重构
• 通过Canova库自定义数据准备工作
• 受限玻尔兹曼机
• 本征向量、主成分分析（PCA）和熵
• 深度学习词汇表

用户反馈

为Deeplearning4j做出贡献

想要为Deeplearning4j作出贡献的开发人员可先阅读开发人员指南。

DL4J功能强大但非常复杂，如何能轻松驾驭？

世界领先的零代码机器学习架构RapidMiner，结合其 DL4J扩展，可无需编程地运用 DL4J的力量和灵活性。RapidMiner DL4J 扩展由RapidMiner China基于Skymind的深度学习库即Deeplearning4j（DL4J）开发，它开源且对所有RapidMiner社区开放。点击查看详情。

用Deeplearning4j进行研究

• 斯坦福NLP：“大规模语言分类”