huggingface实操

编程入门行业动态更新时间:2024-10-10 02:15:06

huggingface实操

本文适合有 Java 基础的人群

作者：DJL-Lanking

HelloGitHub 推出的《讲解开源项目》系列。有幸邀请到了亚马逊 + Apache 的工程师：Lanking( )，为我们讲解 DJL —— 完全由 Java 构建的深度学习平台，本文为系列的第三篇。

一、前言

在 2018 年时，Google 推出了《猜画小歌》应用：玩家可以直接与AI进行你画我猜的游戏。通过画出一个房子或者一个猫，AI 会推断出各种物品被画出的概率。它的实现得益于深度学习模型在其中的应用，通过深度神经网络的归纳，曾经令人头疼的绘画识别也变得易如反掌。现如今，只要使用一个简单的图片分类模型，我们便可以轻松的实现绘画识别。试试看这个在线涂鸦小游戏吧：

在当时，大部分机器学习计算任务仍旧需要依托网络在云端进行。随着算力的不断增进，机器学习任务已经可以直接在边缘设备部署，包括各类运行安卓系统的智能手机。但是，由于安卓本身主要是用 Java ，部署基于 Python 的各类深度学习模型变成了一个难题。为了解决这个问题，AWS 开发并开源了 DeepJavaLibrary (DJL)，一个为 Java 量身定制的深度学习框架。

在这个文章中，我们将尝试通过 PyTorch 预训练模型在在安卓平台构建一个涂鸦绘画的应用。由于总代码量会比较多，我们这次会挑重点把最关键的代码完成。你可以后续参考我们完整的项目进行构建。

二、环境配置

为了兼容 DJL 需求的 Java 功能，这个项目需要 Android API 26 及以上的版本。你可以参考我们案例配置来节约一些时间，下面是这个项目需要的依赖项：

dependencies {

implementation 'androidx.appcompat:appcompat:1.2.0'

implementation 'ai.djl:api:0.7.0'

implementation 'ai.djl.android:core:0.7.0'

runtimeOnly 'ai.djl.pytorch:pytorch-engine:0.7.0'

runtimeOnly 'ai.djl.android:pytorch-native:0.7.0'

}

我们将使用 DJL 提供的 API 以及 PyTorch 包。

三、构建应用