kotlindl

KotlinDL 项目介绍

KotlinDL 是一个用 Kotlin 编写的高级深度学习 API，受到 Keras 的启发。它的底层使用了 TensorFlow Java API 和 ONNX Runtime API，提供了简单的接口来进行深度学习模型的训练、现有 Keras 和 ONNX 模型的推理，以及利用迁移学习来调整预训练模型以适应特定任务。

这个项目的目标是让 JVM 和 Android 开发者更容易地进行深度学习的研究与应用，并简化模型在生产环境中的部署。

核心功能

KotlinDL 提供了一组模块化的组件，可以帮助开发者从头开始构建神经网络模型，或是导入已有的模型进行推理。一个典型的卷积神经网络模型 LeNet 可以在 KotlinDL 中这样定义：

private val lenet5Classic = Sequential.of(
    ...
    // 网络定义代码
    ...
)

fun main() {
    val (train, test) = mnist()

    lenet5Classic.use {
        ...
        // 模型训练与评估代码
        ...
    }
}

库结构

KotlinDL 包含多个模块，每个模块承担特定的功能：

• kotlin-deeplearning-api 提供 API 接口和类
• kotlin-deeplearning-impl 提供类实现和实用工具
• kotlin-deeplearning-onnx 支持 ONNX Runtime 推理
• kotlin-deeplearning-tensorflow 支持 TensorFlow 学习和推理
• kotlin-deeplearning-visualization 提供视觉化功能
• kotlin-deeplearning-dataset 提供数据集类

值得注意的是，kotlin-deeplearning-tensorflow 和 kotlin-deeplearning-dataset 模块仅适用于桌面 JVM，而其他模块也可用于 Android。

如何在项目中配置 KotlinDL

要在项目中使用 KotlinDL，首先需要确保在 repositories 中添加 mavenCentral：

repositories {
    mavenCentral()
}

接着在 build.gradle 文件中添加必要的依赖，例如：

dependencies {
    implementation 'org.jetbrains.kotlinx:kotlin-deeplearning-tensorflow:[KOTLIN-DL-VERSION]'
}

对于 ONNX 模型的推理，可以加入：

dependencies {
    implementation 'org.jetbrains.kotlinx:kotlin-deeplearning-onnx:[KOTLIN-DL-VERSION]'
}

完整的版本信息可以参考项目文档。

在 Jupyter Notebook 和 Android 上的使用

在 Jupyter Notebook 中，可以通过 Kotlin kernel 使用 KotlinDL，只需在笔记本中添加依赖：

@file:DependsOn("org.jetbrains.kotlinx:kotlin-deeplearning-tensorflow:[KOTLIN-DL-VERSION]")

在 Android 项目中，KotlinDL 支持 ONNX 模型推理。需要在 build.gradle 文件中添加：

implementation 'org.jetbrains.kotlinx:kotlin-deeplearning-onnx:[KOTLIN-DL-VERSION]'

版本兼容性

项目文档中提供了一张详细的兼容性表格，列出了 KotlinDL 版本、最低支持的 Java 版本、ONNX 运行时版本、TensorFlow 版本，以及 Android 的编译 SDK 版本之间的对应关系。

示例与教程

KotlinDL 提供了一系列的教程和示例，帮助开发者快速上手。这些教程涵盖了从创建第一个神经网络到迁移学习等多个主题。

支持 GPU

KotlinDL 支持在 GPU 上进行训练和推理。需要安装 CUDA 框架，并在项目中添加合适的依赖。

贡献与支持

任何对 KotlinDL 有兴趣的开发者都可以通过 GitHub 提交问题或请求新功能。此外，也可以加入 Kotlin Slack 的 #kotlindl 频道获取支持。

KotlinDL 是一个由 JetBrains 社区开展的开源项目，遵循 Apache 2.0 许可证。