编程语言
首页 > 编程语言> > Java程序员学深度学习 DJL上手4 NDArray基本操作

Java程序员学深度学习 DJL上手4 NDArray基本操作

作者:互联网

Java程序员学深度学习 DJL上手4 NDArray基本操作

一、介绍NDArray

NDArray是一个基于Java的N维数组工具,我觉得最直观的理解可以认为它是Numpy里的NDArray的Java实现。
NDArray是DJL的核心数据结构,包含超过 60+ 个在Java中的方式实现与NumPy相同的结果。
另外NDArray支持硬件加速,如在CPU上的 MKLDNN 加速以及GPU上的CUDA 加速。

NDArray在DJL中的内部结构:
在这里插入图片描述

NDArray包含三个关键的层:

二、准备环境

1. 创建项目

在这里插入图片描述

2. pom.xml

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.xundh</groupId>
    <artifactId>djl-learning</artifactId>
    <version>0.1-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <java.version>8</java.version>
        <djl.version>0.13.0-SNAPSHOT</djl.version>
    </properties>

    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>ai.djl</groupId>
                <artifactId>bom</artifactId>
                <version>${djl.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>ai.djl</groupId>
            <artifactId>api</artifactId>
        </dependency>
        <dependency>
            <groupId>ai.djl</groupId>
            <artifactId>basicdataset</artifactId>
        </dependency>
        <dependency>
            <groupId>ai.djl</groupId>
            <artifactId>model-zoo</artifactId>
        </dependency>
        <!-- Pytorch -->
        <dependency>
            <groupId>ai.djl.pytorch</groupId>
            <artifactId>pytorch-engine</artifactId>
        </dependency>
        <dependency>
            <groupId>ai.djl.pytorch</groupId>
            <artifactId>pytorch-native-auto</artifactId>
            <version>1.7.0</version>
        </dependency>
    </dependencies>
</project>

3. NDArrayLearning.java

package com.xundh;

import ai.djl.ndarray.NDArray;
import ai.djl.ndarray.NDManager;
import ai.djl.ndarray.types.Shape;

public class NDArrayLearning {
    public static void main(String[] args){
        try(NDManager manager = NDManager.newBaseManager()) {
            // 创建 NDArray
            NDArray nd = manager.ones(new Shape(2, 3));
            System.out.println(nd);
        }
    }
}

三、创建数组

1. 创建全1的N维数组

NDArray nd = manager.ones(new Shape(2, 3));

结果:

ND: (2, 3) cpu() float32
[[1., 1., 1.],
 [1., 1., 1.],
]

2. 创建随机数的N维数组

NDArray nd = manager.randomUniform(0, 1, new Shape(1, 1, 4));

结果:

ND: (1, 1, 4) cpu() float32
[[[0.5488, 0.5928, 0.7152, 0.8443],
 ],
]

3. 创建全0数组

            NDArray nd = manager.zeros(new Shape(2,3), DataType.INT64);
            System.out.println(nd);

结果:

ND: (2, 3) cpu() int64
[[ 0,  0,  0],
 [ 0,  0,  0],
]

4. 创建对角为1的矩阵

            NDArray nd = manager.eye(3,-1);
            System.out.println(nd);

结果:

ND: (3, 3) cpu() float32
[[0., 0., 0.],
 [1., 0., 0.],
 [0., 1., 0.],
]

NDManager支持多达20种在NumPy中NDArray创建的方法,更多参见:
https://javadoc.io/doc/ai.djl/api/latest/ai/djl/ndarray/NDManager.html

四、数组计算

1. 转置

NDArray nd = manager.arange(1, 10).reshape(3, 3);
nd = nd.transpose();

结果:

ND: (3, 3) cpu() int32
[[ 1,  2,  3],
 [ 4,  5,  6],
 [ 7,  8,  9],
]

ND: (3, 3) cpu() int32
[[ 1,  4,  7],
 [ 2,  5,  8],
 [ 3,  6,  9],
]

2. 所有元素加

            NDArray nd = manager.arange(1, 10).reshape(3, 3);
            // 加10
            nd = nd.add(10);
            System.out.println(nd);

结果:

ND: (3, 3) cpu() int32
[[11, 12, 13],
 [14, 15, 16],
 [17, 18, 19],
]

更多支持的计算函数参见:
https://javadoc.io/doc/ai.djl/api/latest/ai/djl/ndarray/NDArray.html

五、Get和Set

1. 筛选大于10的

            NDArray nd = manager.arange(5, 14);

            System.out.println(nd);
            nd = nd.get(nd.gte(10));
            System.out.println(nd);

结果:

ND: (9) cpu() int32
[ 5,  6,  7,  8,  9, 10, 11, 12, 13]

ND: (4) cpu() int32
[10, 11, 12, 13]

2. 一个3×3的矩阵,把第二列的数据都乘以2

            NDArray nd = manager.arange(1, 10).reshape(3, 3);
            System.out.println(nd);
            nd.set(new NDIndex(":, 1"), array -> array.mul(2));
            System.out.println(nd);

结果:

ND: (3, 3) cpu() int32
[[ 1,  2,  3],
 [ 4,  5,  6],
 [ 7,  8,  9],
]

ND: (3, 3) cpu() int32
[[ 1,  4,  3],
 [ 4, 10,  6],
 [ 7, 16,  9],
]

标签:Java,ai,ND,cpu,nd,djl,基本操作,DJL,NDArray
来源: https://blog.csdn.net/xundh/article/details/120391258