深度 Java 庫指南
1. 概述
在本教程中，我們將學習由 AWS 開發的與引擎無關的機器學習框架Deep Java Library (DJL) 。
諸如 PyTorch、TensorFlow、MXNet 和 ONNX 等 Python 程式庫在開發和執行深度學習神經網路方面處於領先地位。因此，Java 開發人員在處理使用人工智慧的應用程式時會遇到困難。
DJL 透過提供一個統一的互動接口，對各種機器學習引擎進行抽象化。在本文中，我們將使用 DJL 建立一個簡單的程序，用於識別影像中的手寫數字。雖然 DJL 同時支援模型訓練和推理，但我們將專注於推理，並從 DJL 的公共模型庫 Model Zoo 中載入一個預先訓練的圖像分類模型。
2. 關鍵概念
DJL API 為使用機器學習引擎提供了一個標準架構：
使用 Python 機器學習函式庫的應用程式必須依賴特定引擎的 API。這會導致緊密耦合，增加複雜性和維護開銷。相較之下， DJL 是一個輕量級庫，依賴項極少，使應用程式能夠透明地與底層機器學習引擎互動。本質上，DJL 並非取代機器學習引擎，而是提供了一個統一的 Java API，在運行時將執行委託給選定的引擎。因此，在不同函式庫之間切換非常便捷，只需要極少的工作量。
此外，DJL 還可以存取一個名為「模型庫」（Model Zoo）的集中式預訓練模型庫。這些模型適用於影像辨識、自然語言處理和詞向量轉換等常見用例。
該庫可以載入這些模型，然後使用資料集呼叫它們以產生所需的輸出：
該庫從模型庫中發現一個適合特定機器學習引擎和用途的模型。然後，它將資料集預處理成底層引擎可以理解的格式。接著，該庫使用轉換後的資料集呼叫底層機器學習引擎並獲取輸出。之後，它再次將輸出轉換為 Java 程式可以理解的格式。最後，所有資源都被釋放並清理乾淨。
在接下來的章節中，我們將學習先決條件依賴項、重要的庫元件以及我們將要實現的用例。
3. 關鍵 Java 元件
讓我們來探討 DJL 的關鍵 Java 元件：
Criteria.Builder類別用於定義機器學習模型搜尋條件，例如模型名稱、模型輸入輸出參數和模型應用場景，然後建立一個Criteria物件。 Criteria Criteria#loadModel()方法則直接從模型庫載入機器學習模型。
Model#load()介面方法允許應用程式從本機快取載入機器學習模型。**根據不同的使用場景（例如訓練模型或使用模型進行預測），應用程式可以使用newTrainer()或newPredictor()方法建立Trainer或Predictor物件。 `Predictor** Predictor#predict()方法根據給定的輸入（例如圖像、音訊轉錄或文字）預測輸出。此外， Predictor#batchPredict()方法還提供了處理多個輸入並產生對應輸出清單的靈活性。
Predictor依賴Translator將輸入物件轉換為底層機器學習引擎能夠理解的格式。此外， Translator還將機器學習引擎的輸出轉換為應用程式能夠理解的格式。例如，它將圖像或音訊檔案物件轉換為機器學習引擎可以處理的 n 維表示。 DJL 庫提供了Translator介面的多個內建實現，例如ImageClassificationTranslator 、 SpeechRecognitionTranslator和ObjectDetectionTranslator 。在更專業的場景中，開發人員還可以實作Translator介面來處理自訂的預處理和後處理邏輯。
在接下來的章節中，這些概念會更加清晰，我們將實作一個影像辨識用例，以識別影像中的單一手寫數字。
4. 先決條件
首先，我們從 Maven 匯入DJL 物料清單 (BOM) ，以確保所有 DJL 依賴項的版本一致：
<dependencyManagement>
<dependencies>
<dependency>
<groupId>ai.djl</groupId>
<artifactId>bom</artifactId>
<version>0.36.0</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>接下來，我們新增DJL 模型庫模組，該模組提供對託管在公共儲存庫中的預訓練模型的存取：
<dependency>
<groupId>ai.djl</groupId>
<artifactId>model-zoo</artifactId>
<version>0.36.0</version>
</dependency>最後，DJL 需要一個運行時引擎特定的依賴項才能執行模型：
<dependency>
<groupId>ai.djl.pytorch</groupId>
<artifactId>pytorch-engine</artifactId>
</dependency>我們引入了pytorch-engine函式庫，以便使用 PyTorch 作為底層機器學習引擎。
最後，對於影像辨識用例，我們將使用預先訓練的 PyTorch 模型，在經典的MNIST 資料集上進行訓練，該資料集包含 28×28 個手寫數字（0-9）。
5. 影像辨識用例實現
現在，我們可以實現圖像識別用例，以識別圖像中的單個手寫數字。
首先，我們定義一個DigitIdentifier類別：
public class DigitIdentifier {
public String identifyDigit(String imagePath)
throws ModelNotFoundException, MalformedModelException, IOException, TranslateException {
Criteria<Image, Classifications> criteria = Criteria.builder()
.optApplication(Application.CV.IMAGE_CLASSIFICATION)
.setTypes(Image.class, Classifications.class)
.optFilter("dataset", "mnist")
.build();
ZooModel<Image, Classifications> model = criteria.loadModel();
Classifications classifications = null;
try (Predictor<Image, Classifications> predictor = model.newPredictor()) {
classifications = predictor.predict(this.loadImage(imagePath));
}
return classifications.best().getClassName();
}
}在該類別中， identifyDigit()方法首先使用Criteria物件載入在 MNIST 資料集上訓練的電腦視覺模型。然後，我們呼叫model#newPredictor() ` 取得Predictor物件。接下來，我們將數位影像的路徑傳遞給Predictor#predict()方法以取得Classifications物件。 `Classifications` Classifications由多個Classification物件組成，這些物件基本上表示預測結果及其準確率。此外，我們無需遍歷所有Classification對象，而是透過呼叫Classifications#best()方法來選擇最佳結果。
現在，讓我們來看看一組從 MNIST 測試資料集中提取的數字 3 的手寫影像：
我們將運行identifyDigit()方法，看看它能否預測測試影像資料集中的數字3 ：
@ParameterizedTest
@ValueSource(strings = {
"data/3_991.png", "data/3_1028.png",
"data/3_9882.png", "data/3_9996.png"
})
void whenRunModel_thenIdentifyDigitCorrectly(String imagePath) throws Exception {
DigitIdentifier digitIdentifier = new DigitIdentifier();
String identifiedDigit = digitIdentifier.identifyDigit(imagePath);
assertEquals("3", identifiedDigit);
}參數化的 JUnit 測試方法呼叫DigitIdentifier#identifyDigit()方法，並傳入測試映像的路徑。我們發現機器學習模型能夠正確預測影像檔案中的數字。
機器學習模型進行的是機率預測，因此即使對於相似的圖像，也並非總是能得出正確結果。訓練資料集的品質和代表性在很大程度上決定了預測的準確性。
6. 結論
本文介紹了 DJL API 的關鍵組成部分，並實作了一個影像辨識用例。這可以作為我們自行探索更多功能和用例的墊腳石。
DJL 對底層機器學習引擎的抽象能力確實能夠幫助 Java 開發人員為需要機器學習的應用程式做出貢獻。然而，作為前提條件，理解機器學習概念同樣重要，這有助於正確應用這些概念。
與往常一樣，本文中使用的源代碼可在 GitHub 上找到。