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)