deeplearning4j--deeplearning4j/README.md at main

wehub/deeplearning4j--deeplearning4j

Fork 0

Files

T

wehub-resource-sync dd25df2b82 docs: make Chinese README the default

2026-07-13 10:45:03 +00:00

7.0 KiB

Raw Permalink Blame History

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

Eclipse Deeplearning4J (DL4J) 生态系统是一组项目，旨在满足基于 JVM 的深度学习应用的全部需求。这意味着从原始数据出发，无论数据位于何处、以何种格式存在，都能完成加载与预处理，进而构建并调优各种简单与复杂的深度学习网络。

由于 Deeplearning4J 运行在 JVM 上，除 Java 外，你还可以将其与多种基于 JVM 的语言配合使用，例如 Scala、Kotlin、Clojure 等。

DL4J 技术栈包括：

DL4J：用于构建 MultiLayerNetworks 和 ComputationGraphs 的高级 API，提供多种层（包括自定义层）。支持从 h5 导入 Keras 模型（自 1.0.0-beta7 起包括 tf.keras 模型），并支持在 Apache Spark 上进行分布式训练
ND4J：通用线性代数库，包含 500 多种数学、线性代数与深度学习运算。ND4J 基于高度优化的 C++ 代码库 LibND4J，通过 OpenBLAS、OneDNN（MKL-DNN）、cuDNN、cuBLAS 等库提供 CPU（AVX2/512）与 GPU（CUDA）支持与加速
SameDiff：ND4J 库的一部分，SameDiff 是我们的自动微分 / 深度学习框架。SameDiff 采用基于图的“先定义后运行”（define then run）方式，类似于 TensorFlow 的图模式（graph mode）。急切图（eager graph，类似 TensorFlow 2.x eager/PyTorch）执行已在规划中。SameDiff 支持导入 TensorFlow 冻结模型格式 .pb（protobuf）模型。对 ONNX、TensorFlow SavedModel 和 Keras 模型的导入也在规划中。Deeplearning4j 还提供完整的 SameDiff 支持，便于编写自定义层与损失函数。
DataVec：面向机器学习数据的 ETL，支持多种格式与文件（HDFS、Spark、图像、视频、音频、CSV、Excel 等）
LibND4J：支撑一切的 C++ 库。有关 JVM 如何访问原生数组与运算的更多信息，请参阅 JavaCPP
Python4J：为 JVM 捆绑的 cpython 执行环境

DL4J 生态系统中的所有项目均支持 Windows、Linux 和 macOS。硬件支持包括 CUDA GPU（10.0、10.1、10.2，OSX 除外）、x86 CPU（x86_64、avx2、avx512）、ARM CPU（arm、arm64、armhf）以及 PowerPC（ppc64le）。

社区支持

如需获取项目支持，请前往 https://community.konduit.ai/

在项目中使用 Eclipse Deeplearning4J

Deeplearning4J 依赖项较多。因此，我们仅支持通过构建工具使用。

<dependencies>
  <dependency>
      <groupId>org.eclipse.deeplearning4j</groupId>
      <artifactId>deeplearning4j-core</artifactId>
      <version>1.0.0-M2.1</version>
  </dependency>
  <dependency>
      <groupId>org.eclipse.deeplearning4j</groupId>
      <artifactId>nd4j-native-platform</artifactId>
      <version>1.0.0-M2.1</version>
  </dependency>
</dependencies>

将上述依赖添加到你的 pom.xml 文件中，即可使用 CPU 后端的 Deeplearning4J。若要从零开始新建 Maven 项目，示例仓库中提供了完整的独立项目示例,

代码示例

由于 DL4J 是一个多面性的单体仓库（mono repo）项目，包含多个模块，我们建议查看示例以了解各模块的不同用法。下面我们将链接到各模块的示例。

对于希望运行其他框架模型的用户，请参阅：

文档、指南与教程

你可以在 http://deeplearning4j.konduit.ai/. 找到 Deeplearning4J 及其生态系统其他库的官方文档

想要一些示例？

我们有一个单独的仓库，提供各类示例：https://github.com/eclipse/deeplearning4j-examples

从源码构建

建议优先使用官方预编译发行版（见上文）。但若你想从源码构建，请先查看此处的从源码构建先决条件：https://deeplearning4j.konduit.ai/multi-project/how-to-guides/build-from-source. 其中包含 CPU 与 GPU 构建的各类说明。如需进一步帮助，请前往我们的论坛

运行测试

要运行测试，请参阅 platform-tests 模块。该模块仅在 jdk 11 上运行（主要由于 spark 以及旧版 scala 与 JDK 17 的兼容问题）。

platform-tests 允许你针对不同后端运行 dl4j。你可以在命令行上指定以下几个属性：

backend.artifactId：默认为 nd4j-native，将在 CPU 上运行测试；你也可以指定其他后端，例如 nd4j-cuda-11.6
dl4j.version：可更改测试所针对的 dl4j 版本。默认为 1.0.0-SNAPSHOT。

在 IntelliJ IDEA 中运行项目：

请确保在 jdk 9 或更高版本上遵循 https://stackoverflow.com/questions/45370178/exporting-a-package-from-system-module-is-not-allowed-with-release
忽略所有 nd4j-shade 子模块。右键点击每个文件夹，选择：Maven -> Ignore project

许可证

Apache License 2.0

商业支持

Deeplearning4J 由 Konduit K.K.. 团队积极开发。

[如需任何商业支持，欢迎通过 support@konduit.ai 与我们联系。

7.0 KiB Raw Permalink Blame History Unescape Escape