TensorFlow Java może działać na dowolnej maszynie JVM w celu budowania, trenowania i wdrażania modeli uczenia maszynowego. Obsługuje wykonanie zarówno procesora, jak i procesora graficznego, w trybie graficznym lub chętnym i przedstawia bogate API do korzystania z TensorFlow w środowisku JVM. Java i inne języki JVM, takie jak Scala i Kotlin, są często używane w dużych i małych przedsiębiorstwach na całym świecie, co sprawia, że TensorFlow Java jest strategicznym wyborem przy wdrażaniu uczenia maszynowego na dużą skalę.
Wymagania
TensorFlow Java działa na Javie 8 i nowszych i od razu obsługuje następujące platformy:
- Ubuntu 16.04 lub nowszy; 64-bitowy, x86
- macOS 10.12.6 (Sierra) lub nowszy; 64-bitowy, x86
- Windows 7 lub nowszy; 64-bitowy, x86
Wersje
TensorFlow Java ma swój własny cykl wydawniczy, niezależny od środowiska wykonawczego TensorFlow . W związku z tym jego wersja nie jest zgodna z wersją środowiska wykonawczego TensorFlow, na którym działa. Zapoznaj się z tabelą wersji TensorFlow Java, aby wyświetlić listę wszystkich dostępnych wersji i ich mapowania w środowisku wykonawczym TensorFlow.
Artefakty
Istnieje kilka sposobów dodania języka Java TensorFlow do projektu. Najłatwiej jest dodać zależność od artefaktu tensorflow-core-platform , który obejmuje zarówno interfejs API TensorFlow Java Core, jak i natywne zależności wymagane do działania na wszystkich obsługiwanych platformach.
Zamiast wersji z czystym procesorem możesz także wybrać jedno z następujących rozszerzeń:
-
tensorflow-core-platform-mkl: obsługa Intel® MKL-DNN na wszystkich platformach -
tensorflow-core-platform-gpu: obsługa CUDA® na platformach Linux i Windows -
tensorflow-core-platform-mkl-gpu: obsługa Intel® MKL-DNN i CUDA® na platformie Linux.
Ponadto można dodać osobną zależność od biblioteki tensorflow-framework aby skorzystać z bogatego zestawu narzędzi do uczenia maszynowego opartego na TensorFlow na JVM.
Instalacja za pomocą Mavena
Aby uwzględnić TensorFlow w aplikacji Maven , dodaj zależność od jego artefaktów do pliku pom.xml projektu. Na przykład,
<dependency>
<groupId>org.tensorflow</groupId>
<artifactId>tensorflow-core-platform</artifactId>
<version>0.3.3</version>
</dependency>
Zmniejszenie liczby zależności
Należy pamiętać, że dodanie zależności od artefaktu tensorflow-core-platform spowoduje zaimportowanie bibliotek natywnych dla wszystkich obsługiwanych platform, co może znacznie zwiększyć rozmiar projektu.
Jeśli chcesz kierować reklamy na podzbiór dostępnych platform, możesz wykluczyć niepotrzebne artefakty z innych platform, korzystając z funkcji wykluczenia zależności Maven .
Innym sposobem wybrania platform, które chcesz uwzględnić w swojej aplikacji, jest ustawienie właściwości systemu JavaCPP w wierszu poleceń Mavena lub w pliku pom.xml . Więcej szczegółów można znaleźć w dokumentacji JavaCPP.
Korzystanie z migawek
Najnowsze migawki programistyczne Java TensorFlow z repozytorium źródłowego TensorFlow Java są dostępne w repozytorium OSS Sonatype Nexus. Aby polegać na tych artefaktach, pamiętaj o skonfigurowaniu repozytorium migawek OSS w pliku pom.xml .
<repositories>
<repository>
<id>tensorflow-snapshots</id>
<url>https://oss.sonatype.org/content/repositories/snapshots/</url>
<snapshots>
<enabled>true</enabled>
</snapshots>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>org.tensorflow</groupId>
<artifactId>tensorflow-core-platform</artifactId>
<version>0.4.0-SNAPSHOT</version>
</dependency>
</dependencies>
Instalacja za pomocą Gradle
Aby uwzględnić TensorFlow w aplikacji Gradle , dodaj zależność od jego artefaktów do pliku build.gradle projektu. Na przykład,
repositories {
mavenCentral()
}
dependencies {
compile group: 'org.tensorflow', name: 'tensorflow-core-platform', version: '0.3.3'
}
Zmniejszenie liczby zależności
Wykluczanie natywnych artefaktów z TensorFlow Java za pomocą Gradle nie jest tak proste, jak w przypadku Mavena. Zalecamy użycie wtyczek Gradle JavaCPP, aby zmniejszyć tę liczbę zależności.
Więcej szczegółów można znaleźć w dokumentacji Gradle JavaCPP.
Instalacja ze źródeł
Aby zbudować Javę TensorFlow ze źródeł i ewentualnie ją dostosować, przeczytaj poniższe instrukcje .
Przykładowy program
Ten przykład pokazuje, jak zbudować projekt Apache Maven za pomocą TensorFlow. Najpierw dodaj zależność TensorFlow do pliku pom.xml projektu:
<project>
<modelVersion>4.0.0</modelVersion>
<groupId>org.myorg</groupId>
<artifactId>hellotensorflow</artifactId>
<version>1.0-SNAPSHOT</version>
<properties>
<exec.mainClass>HelloTensorFlow</exec.mainClass>
<!-- Minimal version for compiling TensorFlow Java is JDK 8 -->
<maven.compiler.source>1.8</maven.compiler.source>
<maven.compiler.target>1.8</maven.compiler.target>
</properties>
<dependencies>
<!-- Include TensorFlow (pure CPU only) for all supported platforms -->
<dependency>
<groupId>org.tensorflow</groupId>
<artifactId>tensorflow-core-platform</artifactId>
<version>0.3.3</version>
</dependency>
</dependencies>
</project>
Utwórz plik źródłowy src/main/java/HelloTensorFlow.java :
import org.tensorflow.ConcreteFunction;
import org.tensorflow.Signature;
import org.tensorflow.Tensor;
import org.tensorflow.TensorFlow;
import org.tensorflow.op.Ops;
import org.tensorflow.op.core.Placeholder;
import org.tensorflow.op.math.Add;
import org.tensorflow.types.TInt32;
public class HelloTensorFlow {
public static void main(String[] args) throws Exception {
System.out.println("Hello TensorFlow " + TensorFlow.version());
try (ConcreteFunction dbl = ConcreteFunction.create(HelloTensorFlow::dbl);
TInt32 x = TInt32.scalarOf(10);
Tensor dblX = dbl.call(x)) {
System.out.println(x.getInt() + " doubled is " + ((TInt32)dblX).getInt());
}
}
private static Signature dbl(Ops tf) {
Placeholder<TInt32> x = tf.placeholder(TInt32.class);
Add<TInt32> dblX = tf.math.add(x, x);
return Signature.builder().input("x", x).output("dbl", dblX).build();
}
}
Skompiluj i wykonaj:
mvn -q compile exec:java
Polecenie wypisuje wersję TensorFlow i proste obliczenia.
Powodzenie! Java TensorFlow jest skonfigurowana.