完全基于 Java 的开源深度学习平台，亚马逊的大佬带你上手( 二 ) _深度学习

JShell 是一个 JShell 的改版，包含了 DJL 的特性。你可以直接集成已有的 Java 功能和 DJL 的 class 在线使用。我们为 JShell 提前准备了下面的引入:
import ai.djl.ndarray.NDManager;import ai.djl.ndarray.NDArray;import ai.djl.ndarray.types.Shape;import ai.djl.ndarray.index.NDIndex;NDManager manager = NDManager.newBaseManager();后端是基于 SpringBoot 的 server 架构，前端使用了 xtermjs 。
目前这个命令行支持如下操作:

backspace删除输入
<- 和 -> 移动光标
复制/粘贴代码功能
输入clear进行清屏操作

通过网页中提供的几种简单案例，你可以轻松使用 NDArray 来完成你所需要的功能。
想了解我们是如何构建这个 JShell 应用的，请看实现代码。
Java 版的 Jupyter Notebook

文章插图

地址：https://github.com/awslabs/djl/tree/master/jupyter

什么？Jupyter Notebook？我们难道说的不是 Python？不！100% 纯 Java11 。
通过 Spencer Park’s IJava 项目启发, 我们将 DJL 集成在了 Jupyter Notebook 里面。不需要繁杂的配置，直接启动就能用。我们准备了一系列使用 Jupyter Notebook 构建的 Java 深度学习训练以及推理应用 Notebook 。想了解更多就点击这里吧。
Java 版本的 Notebook 可以基本实现所有 Jupyter 在 Python 上的特性：

支持每个代码块独立运行
展示一张图片
利用 Tablesaw 展示一个图表

相比于 Python，Java 的 Notebook 可以直接引入 Maven 的库，这样用户就无需担心项目配置等问题。同时这个 Notebook 也支持在 GPU 环境下运行，你可以轻松使用 Notebook 进行深度学习训练任务。
通过下面几个 Notebook 可以帮助你快速了解 DJL 的用法以及新特性：

使用 ModelZoo 进行目标检测
加载 PyTorch 预训练模型
加载 Apache MXNet 预训练模型
迁移学习案例
问答系统案例

P.S：我们甚至还准备了基于 Java 的深度学习书，现在还处于预览版阶段，敬请期待。
关于 DJL 以及未来实验室计划

文章插图

DJL 还是一个很年轻的框架，2019 年底发布，2020 年 3 月才真正支持了所有主流的深度学习框架 (TensorFlow、PyTorch MXNet) 。你可以轻松的使用 DJL 来训练以及部署你的深度学习模型。它也包含了 70 多种来自 GluonCV、HuggingFace、TorchHub 以及 Keras 的预训练模型。
关于未来实验室：我们仍旧还有很多功能处于开发阶段，需要大量小伙伴去参与并且体验我们的新功能。下面是几个正在进行中的项目：