Deeplearning4j分布式深度学习库
Deeplearning4j（简称DL4J）是为Java和Scala编写的首个商业级开源分布式深度学习库。DL4J与Hadoop和Spark集成，为商业环境（而非研究工具目的）所设计。Skymind是DL4J的商业支持机构。
Deeplearning4j技术先进，以即插即用为目标，通过更多预设的使用，避免太多配置，让非研究人员也能够进行快速的原型制作。DL4J同时可以规模化定制。DL4J遵循Apache 2.0许可协议，一切以其为基础的衍生作品均属于衍生作品的作者。
神经网络使用情景
-
人脸／图像识别
-
语音搜索
-
文本到语音（转录）
-
垃圾邮件筛选（异常情况探测）
-
欺诈探测
-
推荐系统（客户关系管理、广告技术、避免用户流失）
-
回归分析
为何选择Deeplearning4j？
-
功能多样的N维数组类，为Java和Scala设计
-
与GPU集合
-
可在Hadoop、Spark上实现扩缩
-
Canova：机器学习库的通用向量化工具
-
ND4J：线性代数库，较Numpy快一倍
Deeplearning4j包括了分布式、多线程的深度学习框架，以及普通的单线程深度学习框架。定型过程以集群进行，也就是说，Deeplearning4j可以快速处理大量数据。神经网络可通过[迭代化简]平行定型，与Java、Scala和Clojure均兼容。Deeplearning4j在开放堆栈中作为模块组件的功能，使之成为首个为微服务架构打造的深度学习框架。
DL4J神经网络
-
卷积网络 （图像）
-
深度自动编码器（问－答／数据压缩）
-
递归神经传感器网络（场景、分析）
-
更多用途请参见《如何选择神经网络》
深度神经网络能够实现前所未有的准确度。对神经网络的简介请参见概览页。简而言之，Deeplearning4j能够让你从各类浅层网络（其中每一层在英文中被称为layer）出发，设计深层神经网络。这一灵活性使用户可以根据所需，在分布式、生产级、能够在分布式CPU或GPU的基础上与Spark和Hadoop协同工作的框架内，整合受限玻尔兹曼机、其他自动编码器、卷积网络或递归网络。
此处为我们已经建立的各个库及其在系统整体中的所处位置：
在定型深度学习网络的过程中，有许多可供调节的参数。我们已尽可能对这些参数进行解释，从而使Deeplearning4j能够成为Java、Scala和Clojure编程人员的DIY工具。