Training: 100% |████████████████████████████████████████| Accuracy: 0.93, SoftmaxCrossEntropyLoss: 0.24, speed: 1235.20 items/sec
Validating: 100% |████████████████████████████████████████|
[INFO ] - Epoch 1 finished.
[INFO ] - Train: Accuracy: 0.93, SoftmaxCrossEntropyLoss: 0.24
[INFO ] - Validate: Accuracy: 0.95, SoftmaxCrossEntropyLoss: 0.14
Training: 100% |████████████████████████████████████████| Accuracy: 0.97, SoftmaxCrossEntropyLoss: 0.10, speed: 2851.06 items/sec
Validating: 100% |████████████████████████████████████████|
[INFO ] - Epoch 2 finished.NG [1m 41s]
[INFO ] - Train: Accuracy: 0.97, SoftmaxCrossEntropyLoss: 0.10
[INFO ] - Validate: Accuracy: 0.97, SoftmaxCrossEntropyLoss: 0.09
[INFO ] - train P50: 12.756 ms, P90: 21.044 ms
[INFO ] - forward P50: 0.375 ms, P90: 0.607 ms
[INFO ] - training-metrics P50: 0.021 ms, P90: 0.034 ms
[INFO ] - backward P50: 0.608 ms, P90: 0.973 ms
[INFO ] - step P50: 0.543 ms, P90: 0.869 ms
[INFO ] - epoch P50: 35.989 s, P90: 35.989 s
当训练结果完成后,我们可以用刚才的模型停止推理来辨认手写数字。假设刚才的内容哪里有不是很清楚的,可以参照下面两个链接直接尝试训练。
手写数据集训练: https://docs.djl.ai/examples/docs/train_mnist_mlp.html
手写数据集推理: https://docs.djl.ai/jupyter/tutorial/03_image_classification_with_your_model.html
四、最后在这个文章中,我们引见了深度学习的基本概念,同时还有如何优雅的应用 DJL 构建深度学习模型并停止训练。DJL 也提供了愈加多样的数据集和神经网络。假设有兴味学习深度学习,可以参阅我们的 Java 深度学习书。
Java 深度学习书: https://zh.d2l.ai/
Deep Java Library(DJL)是一个基于 Java 的深度学习框架,同时支持训练以及推理。DJL 博取众长,构建在多个深度学习框架之上 (TenserFlow、PyTorch、MXNet 等) 也同时具有多个框架的优秀特性。你可以轻松运用 DJL 来停止训练然后部署你的模型。
它同时拥有着弱小的模型库支持:只需一行便可以轻松读取各种预训练的模型。如今 DJL 的模型库同时支持高达 70 多个来自 GluonCV、 HuggingFace、TorchHub 以及 Keras 的模型。
项目地址: https://github.com/awslabs/djl/
【编辑引荐】
3D 人脸模型月销量上千单:谁在打印,谁在帮打
如何更好地了解中间件和洋葱模型
重学JavaScript第1集|变量提升
Java顺序占用 CPU 过高怎样排查
深化了解Java之装箱与拆箱
(责任编辑:admin)