开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

在deeplearning4j中可视化训练进度在启动服务器时抛出错误

在deeplearning4j中，可视化训练进度在启动服务器时抛出错误可能是由于以下原因导致的：

缺少必要的依赖库：deeplearning4j的可视化训练进度功能可能依赖于其他库或组件。请确保您已正确安装和配置了所有必要的依赖库，并且版本与deeplearning4j兼容。
网络连接问题：可视化训练进度功能可能需要与服务器建立网络连接以传输数据。请确保您的服务器具有稳定的网络连接，并且没有任何防火墙或网络配置问题阻止了数据传输。
服务器配置问题：启动服务器时抛出错误可能是由于服务器配置不正确导致的。请检查服务器的配置文件、环境变量和启动参数，确保它们与deeplearning4j的要求相匹配。
资源限制：可视化训练进度功能可能需要大量的计算资源和内存。请确保您的服务器具有足够的资源来支持此功能，并且没有其他应用程序或进程占用了过多的资源。

对于deeplearning4j中可视化训练进度的具体错误信息和解决方案，建议您查阅deeplearning4j的官方文档或社区论坛，以获取更详细的帮助和支持。

腾讯云相关产品和产品介绍链接地址：

腾讯云深度学习平台：https://cloud.tencent.com/product/tensorflow
腾讯云人工智能平台：https://cloud.tencent.com/product/ai
腾讯云服务器：https://cloud.tencent.com/product/cvm
腾讯云数据库：https://cloud.tencent.com/product/cdb
腾讯云存储服务：https://cloud.tencent.com/product/cos
腾讯云区块链服务：https://cloud.tencent.com/product/baas
腾讯云物联网平台：https://cloud.tencent.com/product/iot
腾讯云移动开发平台：https://cloud.tencent.com/product/mpp
腾讯云网络安全服务：https://cloud.tencent.com/product/ddos

相关搜索:Apache在xampp中启动时显示错误 Atlassian API在API中附加文件时抛出错误 MDC 101 Material Design Tutorial在npm安装启动器时抛出错误 PermissionError：[Errno 13]在CGI中启动脚本时抛出权限拒绝，但在bash中不抛出 Spring beans在启动服务器时抛出异常为什么Eclipse 3.2在启动时抛出错误使用Hystrix回退在启动时抛出bean错误进行伪装在Angular中安装时出现NGRX 11抛出错误在appium中启动iOS设备时出现错误在aspx中错误的列之后，在kendo上传时抛出错误信息

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

【专知-Deeplearning4j深度学习教程01】分布式Java开源深度学习框架DL4j安装使用: 图文+代码

【导读】主题链路知识是我们专知的核心功能之一，为用户提供AI领域系统性的知识学习服务，一站式学习人工智能的知识，包含人工智能（机器学习、自然语言处理、计算机视觉等）、大数据、编程语言、系统架构。使用请访问专知进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知，搜索主题查看。继Pytorch教程后，我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和

09

Deeplearning4j库学习

本文介绍了DeepLearning4J和Deeplearning4j的代码示例，以及使用Maven构建和运行DeepLearning4J和Deeplearning4j代码的步骤。实验包括一个简单的多层感知器（MLP）神经网络，用于解决手写数字问题，以及一个基于文本的Word2Vec模型，用于将单词映射到向量空间。这些示例展示了如何使用DeepLearning4J和Deeplearning4j库在Java中进行深度学习，并展示了如何使用Maven构建和运行这些代码。

【DL4J速成】Deeplearning4j图像分类从模型自定义到测试

今天说Deeplearning4j(DL4J)，本文所用到的数据，代码请参考我们官方git

02

【TensorFlow实战——笔记】第2章：TensorFlow和其他深度学习框架的对比

可以看到各大主流框架基本都支持Python，目前Python在科学计算和数据挖掘领域可以说是独领风骚。虽然有来自R、Julia等语言的竞争压力，但是Python的各种库实在是太完善了，Web开发、数据可视化、数据预处理、数据库连接，爬虫等无所不能，有一个完美的生态环境。仅在数据挖掘工具链上，Python就有Numpy、SciPy、Pandas、Scikit-learn、XGBoost等组件，做数据采集和预处理都非常方便，并且之后的模型训练阶段可以和TensorFlow等基于Python的深度学习框架完美衔接。

01

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: datavec(数据载体) 用于将图像、文本和CSV数据转换成适合于深入学习的格式的库 nn(结构) 神经网络结构设计的核心神经网络结构多层网络和计算图 core 附加的功能建立在deeplearning4j NN modelimport (模型导入) 加入Keras框架功能 nlp(自然语言

08

【专知-Java Deeplearning4j深度学习教程05】无监督特征提取神器—AutoEncoder:图文+代码

【导读】主题链路知识是我们专知的核心功能之一，为用户提供AI领域系统性的知识学习服务，一站式学习人工智能的知识，包含人工智能（机器学习、自然语言处理、计算机视觉等）、大数据、编程语言、系统架构。使用请访问专知进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知，搜索主题查看。继Pytorch教程后，我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和

开源深度学习平台 TensorFlow、Caffe、MXNet……哪个最适合你

【新智元导读】本文选自开源深度学习项目 Deeplearning4j （DL4J）博客，文章虽然着重介绍自家产品，但内容仍然值得借鉴。与其他项目相比，DL4J 在编程语言和宗旨两方面都独具特色。本文同时收录其他开源深度学习框架介绍，包括最近被亚马逊选中而备受关注的 MXNet。 Deeplearning4j （简称 DL4J）不是第一个开源的深度学习项目，但与此前的其他项目相比，DL4J 在编程语言和宗旨两方面都独具特色。DL4J 是基于 JVM、聚焦行业应用且提供商业支持的分布式深度学习框架，其宗旨是在合

06

干货 | 5个常用的深度学习框架

对于学习数据科学的同学来说，从头开始实现神经网络，会让你理解很多有趣的东西。但是，我并不认为在真实数据集上构建深度学习模型是个明智的做法，除非你有数天或数周的时间来等待模型的构建。那么对于绝大部分无法获得无限资源的人来说，使用易于使用的开源深度学习框架，我们可以立即实现如卷积神经网络这样的复杂模型。

03

原创 | 让你捷足先登的深度学习框架

本文介绍了几种非常有用的深度学习框架、它们的优点以及应用，通过对每个框架进行比较，研发人员了解如何有选择地使用它们，高效快捷完成项目任务。

02

AI开发人员可以使用18个机器学习平台

随着近几年AI的火热，机器学习平台（Machine learning platforms）也开始引领技术潮流。开发人员需要知道怎么样利用这些平台的能力。在ML环境中工作，如果使用正确的工具(如Filestack)，可以使开发人员更容易创建一个利用其功能的高效算法。下面列出的机器学习平台和工具（顺序随机），现在可以无缝地将ML的功能集成到日常开发工作中。

03

DL4J与Torch、Theano、Caffe、TensorFlow的比较

https://deeplearning4j.org/cn/compare-dl4j-torch7-pylearn

02

快速入门深度学习，从 Deeplearning4j 开始

随着机器学习、深度学习为主要代表的人工智能技术的逐渐成熟，越来越多的 AI 产品得到了真正的落地。

01

独家 | 数据科学家必知的五大深度学习框架！（附插图）

从出道起，我就一直是一名程序员。我喜欢从头开始编写代码，这有助于我清楚地理解主题（或技巧）。当我们刚开始学习数据科学时，这种方法尤为有用。

01

让你捷足先登的深度学习框架

大数据文摘授权转载自数据派THU 作者：陈之炎对于据科学的初学者来说，利用开源的深度学习框架，可以大幅度简化复杂的大规模度学习模型的实现过程。在深度学习框架下构建模型，无需花费几天或几周的时间从头开始编写代码，便可以轻松实现诸如卷积神经网络这样复杂的模型。在本文中，将介绍几种非常有用的深度学习框架、它们的优点以及应用，通过对每个框架进行比较，研发人员了解如何有选择地使用它们，高效快捷完成项目任务。深度学习框架概述深度学习框架是一种界面、库或工具，它使编程人员在无需深入了解底层算法的细节的情况下，能够更

02

你的神经网络不起作用的37个理由

有一个网络已经训练了12个小时。一切看起来都很好：梯度是逐渐变化的，损失在减少。但接下来的预测：都是零，所有的图像背景都没有被检测到。“我做错了什么？”——我问我的电脑，但它没有回答我。

00

Spark与深度学习框架——H2O、deeplearning4j、SparkNet

深度学习因其高准确率及通用性，成为机器学习中最受关注的领域。这种算法在2011—2012年期间出现，并超过了很多竞争对手。最开始，深度学习在音频及图像识别方面取得了成功。此外，像机器翻译之类的自然语言处理或者画图也能使用深度学习算法来完成。深度学习是自1980年以来就开始被使用的一种神经网络。神经网络被看作能进行普适近似（universal approximation）的一种机器。换句话说，这种网络能模仿任何其他函数。例如，深度学习算法能创建一个识别动物图片的函数：给一张动物的图片，它能分辨出图片上的动物是一只猫还是一只狗。深度学习可以看作是组合了许多神经网络的一种深度结构。

03

独家 | 你的神经网络不起作用的37个理由（附链接）

有一个网络已经训练了12个小时。一切看起来都很好：梯度是逐渐变化的，损失在减少。但接下来的预测：都是零，所有的图像背景都没有被检测到。“我做错了什么？”——我问我的电脑，但它没有回答我。

02

深度学习——你需要了解的八大开源框架

导读：深度学习（Deep Learning）是机器学习中一种基于对数据进行表征学习的方法，深度学习的好处是用非监督式或半监督式的特征学习、分层特征提取高效算法来替代手工获取特征（feature）。作为当下最热门的话题，Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源深度学习框架。目前研究人员正在使用的深度学习框架不尽相同，有 TensorFlow、Torch 、Caffe、Theano、Deeplearning4j等，这些深度学习框架

06

让 Java 开发人员在机器学习领域披荆斩棘

随着深度学习在语音、图像、自然语言等领域取得了广泛的成功，越来越多的企业、高校和科研单位开始投入大量的资源研发 AI 项目。同时，为了方便广大研发人员快速开发深度学习应用，专注于算法应用本身，避免重复造轮子的问题，各大科技公司先后开源了各自的深度学习框架，例如：TensorFlow（Google）、Torch/PyTorch（Facebook）、Caffe（BVLC）、CNTK（Microsoft）、PaddlePaddle（百度）等。

01

GitHub 上 57 款最流行的开源深度学习项目

本文整理了 GitHub 上最流行的 57 款深度学习项目（按 stars 排名）。最后更新：2016.08.09 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow 的表现比第一代的 DistBelief 快了2倍。 TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的

05

训练的神经网络不工作？一文带你跨过这37个坑

选自Medium 作者：Slav Ivanov 机器之心编译参与：黄小天、Smith 近日，Slav Ivanov 在 Medium 上发表了一篇题为《37 Reasons why your Neural Network is not working》的文章，从四个方面（数据集、数据归一化／增强、实现、训练），对自己长久以来的神经网络调试经验做了 37 条总结，并穿插了不少出色的个人想法和思考，希望能帮助你跨过神经网络训练中的 37 个大坑。机器之心对该文进行了编译，原文链接请见文末。神经网络已经持续训

分布式深度学习（I）：分布式训练神经网络模型的概述

原文： Distributed Deep Learning, Part 1: An Introduction to Distributed Training of Neural Networks 作者： Alex Black、Vyacheslav Kokorin 翻译： KK4SBB 责编：何永灿，关注人工智能，投稿请联系heyc@csdn.net或微信号289416419 本文是分布式训练神经网络模型三篇系列文章的第一篇。在第一篇文章，我们首先了解一下如何使用GPU分布式计算来显著提高深度学习模型

03

8个深度学习框架

随着越来越多的企业希望扩大其运营规模，它们已成为接受机器学习和预测分析的必要条件。人工智能与正确的深度学习框架相结合，真正放大了企业在其领域内可以实现和获得的整体规模。

03

Java 工程师快速入门深度学习，从 Deeplearning4j 开始

随着机器学习、深度学习为主要代表的人工智能技术的逐渐成熟，越来越多的 AI 产品得到了真正的落地。

01

GitHub 上 57 款最流行的开源深度学习项目

1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow 的表现比第一代的 DistBelief 快了2倍。 TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的自动分化（auto-differentiation）。通过灵活的 Python 接口，要在 TensorFlow

07

【杂谈】一招，同时可视化18个开源框架的网络模型结构和权重

深度学习开源框架众多，对于开发者来说其中有一个很硬的需求，就是模型结构和权重的可视化。使用过Caffe的同学都因为强大的Netscope可以离线修改实时可视化网络结构而暗爽，那其他的框架怎么样呢？

02

Java 工程师转型 AI 的秘密法宝——深度学习框架 Deeplearning4j | 回顾

深度学习是人工智能发展最为迅速的领域之一，Google、Facebook、Microsoft 等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源深度学习框架。目前研究人员使用的深度学习框架有 TensorFlow、Torch 、Caffe、Theano、Deeplearning4j 等，而 Deeplearning4j 是为数不多以 Java/JVM 为基础，能与 Apache Spark 无缝结合，支持 CPU/GPU 集群分布式计算的开源框架。本文就来为大家详细介绍一下深度学习框架

04

独家 | 你的神经网络不起作用的37个理由（附链接）

有一个网络已经训练了12个小时。一切看起来都很好：梯度是逐渐变化的，损失在减少。但接下来的预测：都是零，所有的图像背景都没有被检测到。“我做错了什么？”——我问我的电脑，但它没有回答我。

01

最新Github上各DL框架Star数量大PK | 附各框架性能对比分析

原文：Which deep learning network is best for you? http://www.cio.com/article/3193689/artificial-intel

03

深度 | 你的神经网络不work? 这37个原因总有一款适合你！

大数据文摘作品，转载要求见文末作者 | Slav Ivanov （企业家/黑客）编译 | 朱璇、霍静、笪洁琼、崔云柯彼时，我手头的神经网络训练已持续了12个小时，各项指标显示运转良好。没有一点点防备，就在刚才，突然提示：全部预测为零，一点有用的信息都没有！ “到底哪里出问题了？” ——我自言自语，很是郁闷。“该如何检查神经网络模型输出的信息是否有用（例如，预测所有输出的平均值，还是看看准确度是不是很糟糕）”？其实，影响神经网络训练正常运转的影响因素很多！在经历了多次调试后，我总结出了一些通用的经

03

【工具】学AI必须接触的12样工具，你知道吗？

随着近年来科技的发展，人工智能的利用率也是越来越高，我们需要随时了解人工智能的哪些工具、库、平台，以及提供的功能，哪些更加适合你。下面介绍的一些AI工具、库和平台，了解它们最常见的用途、优缺点，以及一

05

18个面向开发人员的机器学习平台

机器学习平台不是未来的潮流。它现在正在发生。开发人员需要知道如何以及何时利用他们的力量。使用像Filestack这样的合适工具在ML环境中工作可以使开发人员更容易创建一个能够充分发挥其功能的高效算法。以下机器学习平台和工具 - 无法按特定顺序列出 - 现在可用作将ML的功能无缝集成到日常任务中的资源。

00

Java工程师转型AI的秘密法宝：深度学习框架Deeplearning4j | 回顾

深度学习是人工智能发展最为迅速的领域之一，Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源深度学习框架。目前研究人员使用的深度学习框架有 TensorFlow、Torch 、Caffe、Theano、Deeplearning4j等，而Deeplearning4j是为数不多以Java/JVM为基础，能与Apache Spark无缝结合，支持CPU/GPU集群分布式计算的开源框架。本文就来为大家详细介绍一下深度学习框架Deeplearnin

07

【专知-Deeplearning4j深度学习教程03】使用多层神经网络分类MNIST数据集:图文+代码

【导读】主题链路知识是我们专知的核心功能之一，为用户提供AI领域系统性的知识学习服务，一站式学习人工智能的知识，包含人工智能（机器学习、自然语言处理、计算机视觉等）、大数据、编程语言、系统架构。使用请访问专知进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知，搜索主题查看。继Pytorch教程后，我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和

资深算法工程师万宫玺：Java 工程师转型 AI 的秘密法宝——深度学习框架 Deeplearning4j | 分享总结

深度学习是人工智能发展最为迅速的领域之一，Google、Facebook、Microsoft 等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源深度学习框架。目前研究人员使用的深度学习框架有 TensorFlow、Torch 、Caffe、Theano、Deeplearning4j 等，而 Deeplearning4j 是为数不多以 Java/JVM 为基础，能与 Apache Spark 无缝结合，支持 CPU/GPU 集群分布式计算的开源框架。本文就来为大家详细介绍一下深度学习框架

经验分享 | 解决NN不work的37个方法

和这篇文章的作者一样，有时想到一个很棒的点子，辛苦写好代码，终于运行正常了，但是效果就是不咋地，不免懊恼地产生一种“难道我的点子不行？”的想法。真的是点子不行吗？未必，NN不work的原因有很多种，作者在这篇博客中根据自己的实践经验分享了很多宝贵的建议。

02

超越Spark，大数据集群计算的生产实践

Spark拥有一个庞大的、不断增长的社区，还有在企业环境中不可或缺的生态系统。这些生态系统提供了不同生产环境案例所需的许多功能。一般来说，Spark应用做的是机器学习算法、日志聚合分析或者商务智能相关的运算，因为它在许多领域都有广泛的应用，包括商务智能、数据仓库、推荐系统、反欺诈等。本文会介绍Spark核心社区开发的生态系统库，以及ML/MLlib及Spark Streaming的Spark库的具体用法，对于企业的各种用例及框架也进行了说明。数据仓库对任何业务来说，数据分析都是一个核心环节。对分析型的

06

【专知-Deeplearning4j深度学习教程02】用ND4J自己动手实现RBM: 图文+代码

【导读】主题链路知识是我们专知的核心功能之一，为用户提供AI领域系统性的知识学习服务，一站式学习人工智能的知识，包含人工智能（机器学习、自然语言处理、计算机视觉等）、大数据、编程语言、系统架构。使用请访问专知进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知，搜索主题查看。继Pytorch教程后，我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和

9大Python深度学习库，选出最适合你的那个

如果你对深度学习和卷积神经网络感兴趣，但是并不知道从哪里开始，也不知道使用哪种库，那么这里就为你提供了许多帮助。在这篇文章里，我详细解读了9个我最喜欢的Python深度学习库。这个名单并不详尽，它只是我在计算机视觉的职业生涯中使用并在某个时间段发现特别有用的一个库的列表。这其中的一些库我比别人用的多很多，尤其是Keras、mxnet和sklearn-theano。其他的一些我是间接的使用，比如Theano和TensorFlow（库包括Keras、deepy和Blocks等）。另外的我只是在一些特别

04

TensorFlow与主流深度学习框架对比

TensorFlow是相对高阶的机器学习库，用户可以方便地用它设计神经网络结构，而不必为了追求高效率的实现亲自写C++或CUDA代码。它和Theano一样都支持自动求导，用户不需要再通过反向传播求解梯度。其核心代码和Caffe一样是用C++编写的，使用C++简化了线上部署的复杂度，并让手机这种内存和CPU资源都紧张的设备可以运行复杂模型（Python则会比较消耗资源，并且执行效率不高）。除了核心代码的C++接口，TensorFlow还有官方的Python、Go和Java接口，是通过SWIG（Simplified Wrapper and Interface Generator）实现的，这样用户就可以在一个硬件配置较好的机器中用Python进行实验，并在资源比较紧张的嵌入式环境或需要低延迟的环境中用C++部署模型。SWIG支持给C/C++代码提供各种语言的接口，因此其他脚本语言的接口未来也可以通过SWIG方便地添加。不过使用Python时有一个影响效率的问题是，每一个mini-batch要从Python中feed到网络中，这个过程在mini-batch的数据量很小或者运算时间很短时，可能会带来影响比较大的延迟。现在TensorFlow还有非官方的Julia、Node.js、R的接口支持。

02

机器学习工程师需要掌握哪些编程语言？

作者 | Gunjan 译者 | Sambodhi 策划 | 凌敏机器学习和编码是相辅相成的。如果没有编码，数据科学家就无法使用机器学习模型。因此，机器学习工程师至少要对一门编程语言有全面的了解。这篇文章深入介绍了适合机器学习的五种编程语言，并帮助您确定哪种语言最适合您。 1.Python Python 是一种流行的面向对象的语言，创建于 1989 年，并于 1991 年发布。Guido van Rossum 作为 Python 的创造者而广为人知。根据一份报告显示，Python 是最受欢迎的三大编程语言

02

人工智能开源框架介绍(整理)

TensorFlow™是一个开源软件库，最初由Google Brain Team的研究人员和工程师开发。(中文社区)

04

那些流行的深度学习库

现在深度学习非常热门，而深度学习的库也如雨后春笋般涌现出来。

干货好文 | 深度学习是如何在美团点评推荐业务中实践的？

本文作者：陈文石，2012年毕业于东南大学，美团点评算法专家，目前负责点评平台及综合 BG 推荐平台业务。在加入美团点评之前，曾在百度做过一些个性化推荐相关工作。对人工智能在搜索、推荐等业务应用上有较深入理解和实践。

02

九大深度学习框架

开源的深度学习神经网络正步入成熟，而现在有许多框架具备为个性化方案提供先进的机器学习和人工智能的能力。那么如何决定哪个开源框架最适合你呢？本文试图通过对比深度学习各大框架的优缺点，从而为各位读者提供一个参考。你最看好哪个深度学习框架呢？现在的许多机器学习框架都可以在图像识别、手写识别、视频识别、语音识别、目标识别和自然语言处理等许多领域大展身手，但却并没有一个完美的深度神经网络能解决你的所有业务问题。所以，本文希望下面的图表和讲解能够提供直观方法，帮助读者解决业务问题。下图总结了在 GitHub 中最受

06

【专知-Java Deeplearning4j深度学习教程06】用卷积神经网络CNN进行图像分类

【导读】主题链路知识是我们专知的核心功能之一，为用户提供AI领域系统性的知识学习服务，一站式学习人工智能的知识，包含人工智能（机器学习、自然语言处理、计算机视觉等）、大数据、编程语言、系统架构。使用请访问专知进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知，搜索主题查看。继Pytorch教程后，我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和

手写体数字识别该如何选择GPU并实现？DeepLearning4j 实战

在之前的博客中已经用单机、Spark分布式两种训练的方式对深度神经网络进行训练，但其实DeepLearning4j也是支持多GPU训练的。这篇文章我就总结下用GPU来对DNN/CNN进行训练和评估过程。并且我会给出CPU、GPU和多卡GPU之前的性能比较图表。不过，由于重点在于说明Mnist数据集在GPU上训练的过程，所以对于一些环境的部署，比如Java环境和CUDA的安装就不再详细说明了。软件环境的部署主要在于两个方面，一个是JDK的安装，另外一个是CUDA。目前最新版本的DeepLearning4j

03

Python作为机器学习语言的老大，跟在它后面的语言都是谁？

Python 由于本身的易用优势和强大的工具库储备，成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习，已然是各大项目最偏爱的语言。

00

干货丨从TensorFlow到PyTorch：九大深度学习框架哪款最适合你？

现在的许多机器学习框架都可以在图像识别、手写识别、视频识别、语音识别、目标识别和自然语言处理等许多领域大展身手，但却并没有一个完美的深度神经网络能解决你的所有业务问题。所以，本文希望下面的图表和讲解能

04

热门人工智能开源工具（框架）

TensorFlow™是一个开源软件库，最初由Google Brain Team的研究人员和工程师开发。TensorFlow使用数据流图进行数值计算。图中的节点表示数学运算，边表示它们之间通信的多维数据数组（张量）。其架构灵活，你可以使用单个API将计算部署到桌面、服务器或移动设备中的一个或多个CPU或GPU。

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭