江苏龙网

  1. 首页 > 资讯 > 科技 > >

『』AI市场开发人员访谈录( 六 )


(+) 处理稀疏的编码
(-) 亚马逊可能不会共享要得到其样本的最好结果所必需的所有信息
Speed
Deeplearning4j 使用 ND4J 执行的线性代数计算展现出了在大型矩阵相乘上的至少比 Numpy 快两倍的速度 。这也是为什么我们的 Deeplearning4j 被 NASA 喷气推进实验室里的团队采用的原因之一 。此外 ， Deeplearning4j 在多种芯片上的运行已经被优化 ， 包括 x86、CUDA C 的 GPU 。
尽管 Torch7 和 DL4J 都可并行 ， 但 DL4J 的并行是自动化的 。也就是说 ， 我们对工作节点和连接进行了自动化 ， 在 Spark、Hadoop 或者与 Akka 和 AWS 上建立大规模并行的时候 ， 能让用户对库进行分流 。Deeplearning4j 最适合于解决特定问题 ， 而且速度很快 。
为什么要用 JVM（Java 虚拟机）？
我们常被问到我们为什么要为 JVM 实现一个开源深度学习项目 ， 毕竟现在深度学习社区的相当大一部分的重点都是 Python 。Python 有很好的句法元素（syntactic elements）让你可以不用创建明确的类就能进行矩阵相加 ， 而 Java 却需要这么做 。另外 ， Python 还有丰富的科学计算环境 ， 带有 Theano 和 Numpy 这样的原生扩展 。
但 JVM 及其主要语言（Java 和 Scala）也有一些优势 。
首先 ， 大部分主要的企业和大型政府机构严重依赖于 Java 或基于 JVM 的系统 。他们已经进行了巨大的投资 ， 他们可以通过基于 JVM 的人工智能利用这些投资 。Java 仍然是企业中使用最广泛的语言 。Java 是 Hadoop、ElasticSearch、Hive、Lucene 和 Pig 的语言 ， 而这些工具正好对机器学习问题很有用 。另一种 JVM 语言 Scala 也是 Spark 和 Kafka 的编程语言 。也就是说 ， 许多正在解决真实世界问题的程序员可以从深度学习中受益 ， 但它们却被一些语言上的障碍隔开了 。我们想要使深度学习对许多新的受众更有用 ， 让他们可以直接将其拿来使用 。在全世界 1000 万开发者中 ， 他们使用得最多的语言就是 Java 。
第二 ， Java 和 Scala 实际上比 Python 更快 。任何使用 Python 本身写成的东西——不管其是否依赖 Cython——都会更慢 。当然啦 ， 大多数计算成本较高的运算都是使用 C 或 C++ 编写的 。（当我们谈论运算时 ， 我们也考虑字符串等涉及到更高层面的机器学习过程的任务 。）大多数最初使用 Python 编写的深度学习项目如果要被投入生产 ， 就不得不被重写 。Deeplearning4j 可以依靠 JavaCPP 来调用预编译的原生 C++ ， 这能极大地加快训练速度 。许多 Python 程序员选择使用 Scala 做深度学习 ， 因为当在一个共享代码基础上与其他人合作时 ， 他们更喜欢静态类型和函数式编程 。
第三 ， 虽然 Java 缺乏稳健的科学计算库 ， 但把它们编写出来不就好了 ， 这个我们可以通过 ND4J 完成 。ND4J 运行在分布式 GPU 或 CPU 上 ， 可以通过 Java 或 Scala API 接入 。
最后 ， Java 是一种安全的、网络的语言 ， 本身就能在 Linux 服务器、Windows 和 OS X 桌面、安卓手机和使用嵌入式 Java 的物联网的低内存传感器上跨平台工作 。尽管 Torch 和 Pylearn2 可以通过 C++ 优化 ， 但其优化和维护却比较困难；而 Java 是一种「一次编程 ， 到处使用」的语言 ， 适合那些需要在许多平台上使用深度学习的公司 。
生态系统
Java 的普及只能通过其生态系统加强 。Hadoop 是用 Java 实现的；Spark 在 Hadoop 的 Yarn 运行时间内运行；Akka 这样的库使得为 Deeplearning4j 构建分布式系统是可行的 。
总的来说 ， Java 拥有经过了高度检验的基础设施 ， 拥有大量各种各样的应用 ， 而且使用 Java 编写的深度学习网络也能与数据保持紧密 ， 这可以让程序员的工作更简单 。Deeplearning4j 可作为一种 YARN 应用而运行和供应 。
Java 也可以从 Scala、Clojure、Python 和 Ruby 等流行的语言中被原生地使用 。通过选择 Java ， 我们能尽可能最少地排除主要的编程社区 。


推荐阅读


上一篇：：《真人快打》将追加和谐终结技，一点都不暴力

下一篇：『』iQOO Z1正式发布，首发天玑1000+处理器，2198起