# Deeplearning4j

**Repository Path**: naclnezn/deeplearning4j

## Basic Information

- **Project Name**: Deeplearning4j
- **Description**: DeepLearning4J（DL4J）是一套基于Java语言的神经网络工具包，可以构建、定型和部署神经网络
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-08-16
- **Last Updated**: 2025-09-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# deeplearning4j

## deeplearning4j

### 介绍

DeepLearning4J（DL4J）是一套基于Java语言的神经网络工具包，

可以构建、定型和部署神经网络。DL4J与Hadoop和Spark集成，支持分布式CPU和GPU， 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拥有先进的技术，以即插即用为目标，通过更多预设的使用，避免多余的配置，

让非企业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

### Deeplearning4j的功能

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。

## 训练模型

### 数据集简介

从MNIST官网下载的原始数据并非图片文件，需要按官方给出的格式说明做解析处理才能转为一张张图片，这些事情显然不是本篇的主题，
因此咱们可以直接使用DL4J为我们准备好的数据集

### 训练和测试数据集下载

本文使用简单的数子训练集 并在 resource/data 下 需要解压

源下载地址:
https://raw.githubusercontent.com/zq2599/blog_download_files/master/files/mnist_png.tar.gz

### LeNet-5 结构

- 输入层
  图片大小为 32×32×1，其中 1 表示为黑白图像，只有一个 channel。
- 卷积层
  filter 大小 5×5，filter 深度（个数）为 6，padding 为 0， 卷积步长 s=1=1，输出矩阵大小为 28×28×6，其中 6 表示 filter 的个数。
- 池化层
  average pooling，filter 大小 2×2（即 f=2=2），步长 s=2=2，no padding，输出矩阵大小为 14×14×6。
- 卷积层
  filter 大小 5×5，filter 个数为 16，padding 为 0， 卷积步长 s=1=1，输出矩阵大小为 10×10×16，其中 16 表示 filter 的个数。
- 池化层
  average pooling，filter 大小 2×2（即 f=2=2），步长 s=2=2，no padding，输出矩阵大小为 5×5×16。注意，在该层结束，需要将 5×5×16
  的矩阵flatten 成一个 400 维的向量。
- 全连接层（Fully Connected layer，FC）
  neuron 数量为 120。
- 全连接层（Fully Connected layer，FC）
  neuron 数量为 84。
- 全连接层，输出层
  现在版本的 LeNet-5 输出层一般会采用 softmax 激活函数，在 LeNet-5 提出的论文中使用的激活函数不是
  softmax，但其现在不常用。该层神经元数量为 10，代表 0～9 十个数字类别。

model 下的 LeNetMNISTReLu.java 为源代码

## 运行

需要运行一次 【src/main/java/com/nacl/deeplearning4j/model/LeNetMNISTReLu.java】 生成模型 生成结果为:
![1723860380731.png](imgs\1723860380731.png)

在```application.yml``` 里设置```modelpath```模型绝对地址

然后可以进行接口调用了