DJL Java环境下部署pytorch模型推理

本文介绍了如何在Java环境下利用DJL框架部署PyTorch模型,详细阐述了DJL的特性以及POM文件配置、模型加载过程中遇到的坑。通过设置Translator和Criteria来实现模型预测,并给出了加载本地模型的步骤,帮助开发者解决跨语言深度学习部署的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

由于大数据基本都是Java环境,希望与深度学习结合的话,需要将深度学习模型部署在Java环境下。传统方式使用flask搭建接口,在Java环境中对其调用,但通信时间和内存问题限制了这种方式的发展。

DJL是采用Java编写的深度学习框架,支持MXnet,Tensorflow,Pytorch引擎,这意味着同一个模型采用不同语言编写,在DJL框架中运行只需要更改依赖,代码完全一样即可执行。关于DJL更多的介绍大家可以浏览DJL官网,知乎,以及b站的课程。

知乎专栏:DJL深度学习库 - 知乎

b站课程录播:深度学习兽的个人空间_哔哩哔哩_Bilibili 

GitHub:DeepJavaLibrary · GitHub 

下面介绍部署pytorch模型步骤以及我个人遇到的一些坑,希望对大家有所帮助

首先是pom文件依赖

import torch
print(torch.__version__)

 首先使用该命令查看本地环境下的pytorch版本,根据本地的pytorch版本,选取合适的engine

<

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值