Java分布式神经网络库Deeplearning4j 环境搭建和运行一个例子

DeeplearningforJava简单介绍：

deeplearning4j是一个Apache 2.0-licensed，开源的，分布式神经网络库编写的java和Scala。

主要模块:

• 准备好jdk环境，maven环境，git环境，开发工具

• 通过cmd输入git命令下载dl4j-examples项目并进行编译

• 进入dl4j-examples目录

 cd dl4j-examples/

• maven编译项目 有可能需要执行多次

mvn clean install

• 如果需要编译所有的项目。我在百度云上传了一份代码及文件(不包含maven库)

链接: http://pan.baidu.com/s/1hrNViN6 密码: t89u

• 为了方便测试快速搭建。先注释了CUDA模块的加载。

• 全部下载完如下图所示。下图是在家里自己的电脑上操作的(家里网速快些)

• 编译完成导入到Intellij里面-9个截图

1. 选择导入一个项目                    

1. 找到项目径                                                                                           

1. 下一步默认选项                                                                                             

1. 选中maven                                                                    

1. 默认不选中jfx下一步                                                                              

1. 添加一个JDK                                                                                 

1. 找到1.8安装目录并选中                                          

1. 选中项目                                                                                                 

1. 给一个项目名称 默认即可                                                                           

后来是重新导入最后一步弹出窗可以忽略

运行一个例子看看

官网入门指南:https://deeplearning4j.org/cn/quickstart

示例绘画蒙娜丽莎画像

结束语:

至此搭建dl4j，并跑一个demo完成。开发工具的jdk环境maven环境这里不做配置说明。这个百度经验可以看到很多教程的。入门指南并不难。后续训练自己的人脸检测，NLP,OCR这个就需要大家自己去细心研究了。鄙人也会试着训练相关数据。

个人小程序有关于百度人脸检测和腾讯优图人脸检测的功能，可以扫码看看哦。

Deeplearning4j 例子示例

需要了解的名词:

Precision:精确率

Recall:召回率

Accuracy:准确率

F1 Score:F1分数

计算公式:

precision = TP / (TP + FP)
recall = TP / (TP + FN)
accuracy = (TP + TN) / (TP + FP + TN + FN)
F1 Score = P*R/2(P+R)，其中P和R分别为 precision 和 recall

需要知道的TP、FP、TN、FN

- TP，True Positive
- FP，False Positive
- TN，True Negative
- FN，False Negative

大概意思是  真正 假正   真负 假负
例如:
举个简单的二元分类问题 例子：

假设，我们要对某一封邮件做出一个判定，判定这封邮件是垃圾邮件、还是这封邮件不是垃圾邮件？

如果判定是垃圾邮件，那就是做出（Positive）的判定；
如果判定不是垃圾邮件，那就做出（Negative）的判定。

True Positive（TP）意思表示做出Positive的判定，而且判定是正确的。因此，TP的数值表示正确的Positive判定的个数。
同理，False Positive（TP）数值表示错误的Positive判定的个数。
依此，True Negative（TN）数值表示正确的Negative判定个数。
False Negative（FN）数值表示错误的Negative判定个数。
原文链接:http://blog.csdn.net/simplelovecs/article/details/50520602

训练seed不同。精准，准确，召回的分数如下

有可能需要训练数据。不知道怎么找的。在我的百度云下载吧

链接: http://pan.baidu.com/s/1geNrvGn 密码: 8bkw

12345

123