Tensorflow: जावा इंटरफ़ेस

अच्छा!

इस टिप्पणी को https://github.com/tensorflow/tensorflow/issues/3 से यहाँ ले जा रहे हैं:

काफी अच्छे अभिसरण के साथ एक टेस्टसूट है, लेकिन वर्तमान में यह कुछ सी ++ परीक्षणों के साथ ज्यादातर पायथन है। ग्राफ बनाने के लिए भी बहुत सारी कार्यक्षमता है जो वर्तमान में केवल पायथन है, विशेष रूप से स्वचालित भेदभाव कार्यक्षमता, हालांकि यह जावा में ग्राफ के मूल्यांकन के लिए कोई फर्क नहीं पड़ता। भविष्य में इस कार्यक्षमता को अंतर्निहित C++ में स्थानांतरित करने की योजना है, जिस बिंदु पर जावा SWIG बाइंडिंग ग्राफ़ बनाने के लिए अधिक उपयोगी होगी।

यदि कोई जावा SWIG चुनौती लेता है, तो हमें इसे अपस्ट्रीम लंबित समीक्षा आदि को स्वीकार करने में खुशी होगी, जिस बिंदु पर यह हमारे निरंतर परीक्षण का हिस्सा होगा। योगदान स्वीकार करने का विवरण इस समय प्रवाह में है, लेकिन यह स्थिर हो जाएगा।

हैलो दोस्तों
हम जावा के लिए TensorFlow को अनुकूलित करने में भी रुचि रखते हैं। @ravwojdyla क्या आपने किसी भी तरह से जावा के लिए स्विग इंटरफेस पर काम करना शुरू कर दिया है? यदि आपके पास है, तो हम अपने प्रयासों में शामिल हो सकते हैं और उस पर सहयोग कर सकते हैं

नमस्ते,
मैं मुख्य सी ++ एपीआई के एक एसडब्ल्यूआईजी रैप पर काम कर रहा हूं। आप मेरे कांटे पर अब तक मेरी प्रगति देख सकते हैं, लेकिन जो हो रहा है वह समाप्त नहीं हुआ है; मुझे वर्तमान में एक समस्या का सामना करना पड़ रहा है जिसमें #include "tensorflow/core/lib/core/error_codes.pb.h" को हल करने में असमर्थ है और मुझे प्रोजेक्ट फ़ाइलों के भीतर कहीं भी इच्छित फ़ाइल नहीं मिल रही है। किसी भी प्रकार के इनपुट की बहुत सराहना की जाएगी।

कैफ और ओपनसीवी जैसे पुस्तकालयों के लिए जावैकपीपी प्रीसेट उपलब्ध है। https://github.com/bytedeco/javacpp-presets/issues/111 भी

@गिरविंग इनिशियल https://github.com/bytedeco/javacpp-presets/commit/374e1d5ea3cb4db36144aeec2cac33d32e1a7489 पर

/सीसी @सौडेट

@pslam - मैं इस पर थोड़ा सा काम करने में सक्षम था - निश्चित रूप से कुछ मदद का उपयोग कर सकता था!

हाय दोस्तों, मेरा मानना ​​है कि मेरे पास JavaCPP के लिए काफी कार्यात्मक बाइंडिंग हैं: https://github.com/bytedeco/javacpp-presets/tree/master/tensorflow। मुझे बताएं कि क्या आप कुछ भी देखते हैं जो SWIG के साथ किया जा सकता है, लेकिन JavaCPP नहीं। मैं निश्चित रूप से प्रतिक्रिया का उपयोग कर सकता था। (सीसी @bhack के लिए धन्यवाद!)

बहुत अच्छा किया @सौडेट! मैंने लगभग एक SWIG रैप समाप्त कर लिया है, लेकिन ऐसा लगता है कि आपका कार्यान्वयन ठीक वैसे ही काम करता है। मुझे ऐसा कुछ नहीं दिख रहा है जो मेरा SWIG रैप कर सकता है जो आप नहीं कर सकते। जावासीपीपी बहुत अच्छा लगता है, मुझे भविष्य की परियोजनाओं के लिए इसका इस्तेमाल करना होगा।

हाय @kylevedder , क्या आपने error_codes.pb.h से संबंधित समस्या का समाधान किया है?
[संपादित]
सभी .pb.h फ़ाइलें .proto . से संकलित की जाती हैं

@tngan हाँ, मैंने भी यही खोजा है। इसके अतिरिक्त, इस प्रोजेक्ट में .proto फ़ाइलों के लिए ProtoBuff3 का उपयोग करने की आवश्यकता है। मैं Ubuntu 14.04 का उपयोग कर रहा हूं और ProtoBuff3 मेरे पैकेज मैनेजर में उपलब्ध नहीं था, इसलिए मैंने इसे स्रोत से संकलित किया, जो मुझे 3.0.0 बीटा रिलीज़ से मिला।

वर्तमान रोडब्लॉक जिसे मैं हल करने का प्रयास कर रहा हूं वह यह है कि प्रोटोबफ को संपूर्ण फ़ाइल ट्री पर कैसे पुनः प्राप्त किया जाए और .proto फ़ाइलों को .h और .cc फ़ाइलों में संकलित किया जाए; प्रत्येक फोल्डर को टुकड़े-टुकड़े करने के परिणामस्वरूप अन्य पर असंतुष्ट निर्भरता के कारण विफलताओं का परिणाम होता है जो अभी तक संकलित की गई .proto फाइलें हैं।

@kylevedder क्या आपके SWIG रैपर एक अलग रिपॉजिटरी में हैं या आप टेंसरफ़्लो रिपॉजिटरी में काम कर रहे हैं? protoc अन्य कंपाइलरों के समान काम करता है। यदि आप टेंसरफ़्लो रिपॉजिटरी में काम कर रहे हैं या बाज़ेल का उपयोग कर रहे हैं, तो आपको प्रोटोबफ़ बिल्ड लक्ष्य और उनके बीच निर्भरताएँ सेट करने की आवश्यकता होगी।

यदि आप एक अलग रिपॉजिटरी में काम कर रहे हैं और एक अलग बिल्ड सिस्टम का उपयोग कर रहे हैं, तो आपको उस बिल्ड सिस्टम के लिए प्रोटोबफ प्लगइन का उपयोग करना होगा।

अगर आप चाहें तो मुझे बिल्ड सेट अप करने में आपकी मदद करने में खुशी होगी।

@davidzchen प्रस्ताव के लिए धन्यवाद, किसी भी और सभी मदद की बहुत सराहना की जाती है।

मेरे पास अब तक क्या है:

मैंने पहले ही Bazel को सेटअप कर लिया है और इसे .whl फ़ाइल में संकलित करने के लिए प्राप्त कर लिया है, जिसे मैंने तब pip को सौंप दिया और पुष्टि की कि मैं पहला TensorFlow प्रोग्राम चला सकता हूं।

मैंने अपने फोर्कड भंडार में एसडब्ल्यूआईजी रैपर फाइलें उत्पन्न की हैं। वे core/javaWrapper अंतर्गत एक फ़ोल्डर में हैं। [[लिंक] (https://github.com/kylevedder/tensorflow/tree/master/tensorflow/core/javaWrapper)]

मैं क्या करने की कोशिश कर रहा हूँ:

आखिरकार, मेरा लक्ष्य .so फ़ाइल उत्पन्न करना है जिसे जावा में मूल पुस्तकालय के रूप में बुलाया जा सकता है। वर्तमान में, मैं पूरे सिस्टम को .so फ़ाइल में संकलित करने के लिए g++ का उपयोग करने का प्रयास कर रहा हूं; हालांकि, इस संकलन से पहले .proto फ़ाइलों को पहले .h s और .cc s में विस्तारित करने की आवश्यकता है, और यही मैं protoc साथ करने का प्रयास कर रहा हूं

संभावित रूप से मुझे क्या मिल रहा है, इसका एक बेहतर विचार प्राप्त करने के लिए आप यहां एक रैप स्क्रिप्ट पर मेरा प्रयास देख सकते हैं, हालांकि अब तक protoc का उपयोग करने के मेरे सभी प्रयास निर्देशिका द्वारा निर्देशिका रहे हैं और, परिणामस्वरूप, नहीं स्क्रिप्ट में।

अंत में, सुधार के क्षेत्रों पर किसी भी प्रतिक्रिया की बहुत सराहना की जाएगी। धन्यवाद!

@kylevedder मेरे पास पहले से ही JavaCPP प्रीसेट के हिस्से के रूप में .so बिल्ड है: https://github.com/bytedeco/javacpp-presets/tree/master/tensorflow। Bazel के लिए धन्यवाद, यह वास्तव में सरल है। बस इस तरह एक पैच लगाएं:

diff -ruN tensorflow/tensorflow/cc/BUILD tensorflow-patch/tensorflow/cc/BUILD
--- tensorflow/tensorflow/cc/BUILD  2015-11-22 00:00:02.441829192 +0900
+++ tensorflow-patch/tensorflow/cc/BUILD    2015-11-14 11:15:12.689330351 +0900
@@ -75,6 +75,17 @@
     ],
 )

+cc_binary(
+    name = "libtensorflow.so",
+    copts = tf_copts(),
+    linkshared = 1,
+    deps = [
+        ":cc_ops",
+        "//tensorflow/core:kernels",
+        "//tensorflow/core:tensorflow",
+    ],
+)
+
 filegroup(
     name = "all_files",
     srcs = glob(

और इस तरह Bazel चलाएँ, उदाहरण के लिए:

bazel build -c opt //tensorflow/cc:libtensorflow.so

AFAIK, यह सी ++ एपीआई के लिए ब्याज की बहुत कुछ हासिल करना चाहिए।

@saudet वहाँ एक कारण है कि आप एक का उपयोग कर रहे है cc_binary नियम के बजाय साझा पुस्तकालय का निर्माण cc_library ? आपके पास cc_library नाम का नियम हो सकता है tensorflow और बिल्ड लक्ष्य libtensorflow.so नामक एक साझा लाइब्रेरी का निर्माण करेगा।

@kylevedder यदि आपका लक्ष्य .so फ़ाइल जेनरेट करना है, तो @saudet ने जो सुझाव दिया है उसके समान कुछ काम करेगा।

यदि आपको जावा कोड में TensorFlow प्रोटोस का उपयोग करने की आवश्यकता है, तो आपको अपने java_* Bazel बिल्ड लक्ष्यों से निर्भरता को proto_library लक्ष्य में जोड़ना होगा जो .proto से जावा कक्षाएं उत्पन्न करते हैं।

मूल proto_library नियमों को खोलने से पहले हमें अभी भी कुछ काम करना है (देखें bazelbuild/bazel#52), लेकिन इस बीच, TensorFlow cc_proto_library और py_proto_library प्रोटोबफ द्वारा प्रदान किए गए , और जावा के लिए, आपको जावा genproto नियम का उपयोग करने में सक्षम होना चाहिए proto_library लिए समयरेखा क्या है और क्या प्रोटोबफ द्वारा प्रदान किए गए नियमों को genproto साथ एकीकृत करना उचित होगा।

प्रतिक्रिया के कुछ अन्य अंश:

• मुझे लगता है कि यह बेहतर होगा निर्देशिका नाम के अनुरूप रखने के लिए और उपयोग करने के लिए java_wrapper बजाय javaWrapper
• शायद जावा रैपर के लिए एक बेहतर जगह //tensorflow/java/wrapper बजाय //tensorflow/core/java_wrapper ?
• आंतरिक रूप से, हमारे पास कुछ निर्माण नियम हैं जो .swig फ़ाइलें लेते हैं और स्रोत उत्पन्न करते हैं। यह अधिक आदर्श है क्योंकि हम जेनरेट की गई फाइलों में जांच करने से बचेंगे। मैं यह देखने के लिए देख सकता हूं कि इस तरह की चीजों को आसान बनाने के लिए बाज़ेल के लिए कुछ एसडब्ल्यूआईजी बिल्ड नियम जोड़ना हमारे लिए कितना मुश्किल होगा।

@davidzchen विशेष रूप से कोई कारण नहीं। मैं Bazel के लिए नया हूं और बस linkshared=1 का उपयोग कर रहा हूं जैसा कि मैंने मेलिंग सूची में उल्लेख किया है। तो टिप के लिए धन्यवाद! मैं इसे अपडेट कर दूंगा।

@ सौडेट धन्यवाद! मैं बस यह सुनिश्चित करने के लिए जाँच कर रहा था कि यह बाज़ेल के साथ कोई समस्या नहीं है। :) बेझिझक मुझे बताएं या अगर आपको कोई समस्या आती है तो बग खोलें।

@saudet Bazel का उपयोग करने के बारे में जानकारी के लिए धन्यवाद। मैं भी इसके लिए नया हूं और मुझे नहीं पता था कि यह इस तरह से .so उत्पन्न करने में सक्षम था।

@davidzchen cc_library का उपयोग करने के बारे में परिशिष्ट के लिए धन्यवाद, मैंने अपने बाज़िल रैपर बिल्ड को लागू करते समय तदनुसार @saudet से उदाहरण संशोधित किया। साथ ही, निर्देशिका संरचना के संबंध में इनपुट के लिए धन्यवाद; मैंने आपके सुझावों के साथ संरेखित करने के लिए अपनी फ़ोल्डर संरचना को अपडेट कर दिया है।

इसके अतिरिक्त, मैं अपनी पिछली टिप्पणी में .so फ़ाइलें बनाने के बारे में बहुत स्पष्ट नहीं था; जबकि मेरा उद्देश्य मूल स्रोत से .so फ़ाइल उत्पन्न करना है, मैं .cxx फ़ाइल भी शामिल करना चाहता हूं जिसे .so अंदर उत्पन्न करता है ताकि जेएनआई की सुविधा हो सके कॉल। वर्तमान में, मैं एक ऐसी समस्या का सामना कर रहा हूँ जिसमें मैं SWIG उत्पन्न .cxx फ़ाइल को संकलित करने के लिए प्राप्त नहीं कर सकता; यह JNI.h , $JAVA_HOME/include/ में स्थित एक शीर्षलेख को संदर्भित करने का प्रयास कर रहा है, लेकिन मुझे बाहरी शामिल पथ को समझने के लिए बेज़ल नहीं मिल रहा है।

@davidzchen हम, नहीं, cc_library काम नहीं करता है। मुझे बाज़ल को कंपाइलर के लिए -shared विकल्प पास करने का कोई अन्य तरीका नहीं दिख रहा है: http://bazel.io/docs/be/c-cpp.html।

@saudet मुझे नहीं लगता कि आपको -shared स्वयं पास करने की आवश्यकता है। cc_library को डिफ़ॉल्ट रूप से .so निर्माण करना चाहिए। क्या यह आपके लिए कारगर है?

@kylevedder आप इस तरह से स्थानीय रिपॉजिटरी के रूप में शामिल किया गया jdk.WORKSPACE और संबंधित jdk.BUILD ) जिसका उपयोग आप स्थानीय JDK पर निर्भर रहने के लिए कर सकते हैं। ये डिफ़ॉल्ट रूप से प्रत्येक Bazel कार्यक्षेत्र में शामिल होते हैं।

बेज़ल स्वयं जेएनआई का उपयोग करता है और स्थानीय JDK के साथ इस तरह से इंटरफेस करता है (देखें src/main/native/BUILD )। इस BUILD फ़ाइल में, JNI हेडर की प्रतिलिपि बनाने के लिए दो genrule s हैं और इसके द्वारा बनाई जा रही लाइब्रेरी के लिए एक cc_library लक्ष्य है जो हेडर पर निर्भर JNI का उपयोग करता है, और एक includes = ["."] ताकि C++ कोड में #include <jni.h> साथ JNI हेडर शामिल हो सके। यह वर्तमान में प्रलेखित नहीं है क्योंकि हम बाहरी रिपॉजिटरी तंत्र में कई सुधारों पर काम कर रहे हैं, और @local-jdk नाम बदल सकता है, लेकिन हम इसे TensorFlow और किसी भी अन्य Bazel प्रोजेक्ट के लिए उपयोग कर सकते हैं जो इस बीच JNI का उपयोग करता है .

यहां आपकी बिल्ड फ़ाइल के लिए एक पैच है जो आपके लिए आवश्यक जेएनआई हेडर की प्रतिलिपि बनाने के लिए genrule लक्ष्य जोड़ता है और सही निर्भरता सेट करने के लिए cc_library लक्ष्य में कुछ बदलाव करता है, अर्थात्:

1. jni.h और jni_md.h , जो वर्तमान पैकेज में genrule s द्वारा srcs कॉपी किए गए हैं
2. //tensorflow/core पर निर्भरता जोड़ें ताकि आप हेडर को tensorflow/core/public अंतर्गत शामिल कर सकें। ध्यान दें कि, एक अलग निर्देशिका में शीर्षलेख या कोई स्रोत फ़ाइल बाज़ेल के दृष्टिकोण से एक अलग पैकेज में हैं, और आपको उन फ़ाइलों वाले निर्माण लक्ष्य पर निर्भरता जोड़ने की आवश्यकता होगी।

diff --git a/tensorflow/core/java/wrapper/BUILD b/tensorflow/core/java/wrapper/BUILD
index 72b4076..04a3394 100644
--- a/tensorflow/core/java/wrapper/BUILD
+++ b/tensorflow/core/java/wrapper/BUILD
@@ -7,10 +7,30 @@ exports_files(["LICENSE"])
 load("/tensorflow/tensorflow", "tf_copts")
 load("/tensorflow/tensorflow", "tf_gen_op_wrappers_cc")

+genrule(
+    name = "copy_link_jni_md_header",
+    srcs = ["//external:jni_md_header-linux"],
+    outs = ["jni_md.h"],
+    cmd = "cp -f $< $@",
+)
+
+genrule(
+    name = "copy_link_jni_header",
+    srcs = ["//external:jni_header"],
+    outs = ["jni.h"],
+    cmd = "cp -f $< $@",
+)
+
 cc_library(
     name = "java_wrapper",
-    srcs = glob(["*.cc","*.cxx","*.h"]),
-    copts = ["-I$$JAVA_HOME/include/", "-I$$JAVA_HOME/include/linux/"],
+    srcs = glob(["*.cc", "*.cxx", "*.h"]) + [
+        ":jni.h",
+        ":jni_md.h",
+    ],
+    includes = ["."],
+    deps = [
+        "//tensorflow/core",
+    ],
     visibility = ["//visibility:public"],
 )

ध्यान दें कि सामान्य तौर पर, Bazel में संकलन क्रियाएँ स्रोत ट्री की जड़ से चलाई जाती हैं, और आपको अपनी SWIG फ़ाइल में शामिल को निम्नानुसार बदलना होगा और फिर C ++ फ़ाइलों को फिर से जनरेट करना होगा ताकि उनके पास सही शामिल हो। कुंआ:

diff --git a/tensorflow/core/java/wrapper/tensor_c_api.i b/tensorflow/core/java/wrapper/tensor_c_api.i
index d08b571..9ab1fa1 100644
--- a/tensorflow/core/java/wrapper/tensor_c_api.i
+++ b/tensorflow/core/java/wrapper/tensor_c_api.i
@@ -1,8 +1,8 @@
 %module tensor_c_api_module
 %{
-#include "../../public/tensor_c_api.h"
+#include "tensorflow/core/public/tensor_c_api.h"
 %}
-%include "../../public/tensor_c_api.h"
+%include "tensorflow/core/public/tensor_c_api.h"
 %include "stddef.h"

एक बार यह काम करने के बाद, आपके पास लिनक्स के लिए जेएनआई बिल्ड अप होगा क्योंकि copy_link_jni_md_header genrule केवल लिनक्स-विशिष्ट शीर्षलेख की प्रतिलिपि बनाता है। इसे सही प्लेटफ़ॉर्म-विशिष्ट JNI शीर्षलेख की प्रतिलिपि बनाने के लिए, हमें निम्नलिखित कार्य करने होंगे:

1. अन्य प्लेटफ़ॉर्म के लिए cpu config_setting s सेट करें। वर्तमान में, tensorflow में config_setting लिए --cpu=darwin में tensorflow/python/BUILD । हमें शायद इसे एक अधिक उपयुक्त पैकेज जैसे //tensorflow/core ले जाना चाहिए। मूल रूप से, हम config_setting s के समान सेट को Bazel के रूप में चाहते हैं (देखें src/BUILD )।
2. copy_link_jni_md_header सही JNI शीर्षलेख की प्रतिलिपि बनाएँ जिसके आधार पर select() का उपयोग करके कॉन्फ़िगरेशन सेटिंग सेट की गई है, जो कि Bazel के समान है। हमारा genrule कुछ इस तरह दिखेगा:

genrule(
    name = "copy_link_jni_md_header",
    srcs = select({
        "//tensorflow/core:darwin": ["//external:jni_md_header-darwin"],
        "//tensorflow/core:darwin_x86_64": ["//external:jni_md_header-darwin"],
        "//tensorflow/core:freebsd": ["//external:jni_md_header-freebsd"],
        "//conditions:default": ["//external:jni_md_header-linux"],
    }),
    outs = ["jni_md.h"],
    cmd = "cp -f $< $@",
)

अगर आपको कोई समस्या आती है, तो मुझे इसमें आपकी मदद करने में खुशी होगी. अगर यह आपके काम का है, तो मुझे बताएं।

@davidzchen cc_library .a फ़ाइलों का एक गुच्छा उत्पन्न करता है, लेकिन कोई .so फ़ाइल नहीं। मैं 0.1.0 का उपयोग कर रहा हूं जैसा कि पहले TensorFlow के लिए अनुशंसित किया गया था ... शायद यह 0.1.1 में तय हो गया है? मुझे फिर से कोशिश करनी होगी।

@davidzchen आपकी मदद के लिए बहुत बहुत धन्यवाद। मैंने आपके निर्देशों का पालन किया है और आपके सुझाव के अनुसार जावा रैपर BUILD फ़ाइल के साथ-साथ SWIG .i फ़ाइल दोनों को अपडेट कर दिया है। इसके अतिरिक्त, मैंने रैप स्क्रिप्ट को core/java/wrapper से रूट डायरेक्टरी में स्थानांतरित कर दिया और तदनुसार लिंक को अपडेट किया।

अभी के लिए, मैंने jni_md.h फ़ाइल के लिए genrule के सामान्यीकरण को छोड़ दिया है, इसके बजाय libtensorflow.so को बनाने की कोशिश करने पर ध्यान केंद्रित किया है। दुर्भाग्य से, मुझे ऐसा प्रतीत होता है जैसे libtensorflow.so उत्पन्न नहीं हो रहा है; मैंने अपने पूरे फाइल सिस्टम को "libtensorflow" के कुछ प्रकार के नाम के लिए खोजना समाप्त कर दिया और कुछ भी प्रासंगिक दिखाई नहीं दिया। इसे अलग नाम दिया जा सकता है या यह उपयोगकर्ता त्रुटि का एक साधारण मामला हो सकता है। इसके अतिरिक्त, एक संभावना है कि यह उस समस्या से संबंधित हो सकता है जिसे @saudet .so पीढ़ी के लिए cc_library नियम के साथ अनुभव कर रहा है।

एक बार फिर, आप सभी की मदद के लिए धन्यवाद, मैं वास्तव में इसकी सराहना करता हूं।

क्षमा करें, यह पता चला कि मैं गलत था। एक .so जिसमें सकर्मक निर्भरताएं शामिल हैं, @saudet ने cc_binary साथ linkshared = 1 और name = "libtensorflow.so" का उपयोग करके जो किया वह सही था। cc_binary.linkshared दस्तावेज़ीकरण से :

एक साझा पुस्तकालय बनाएँ। इस विशेषता को सक्षम करने के लिए, अपने नियम में linkshared=1 शामिल करें। डिफ़ॉल्ट रूप से यह विकल्प बंद है। यदि आप इसे सक्षम करते हैं, तो आपको फू के कुछ समझदार मूल्य के लिए अपने बाइनरी libfoo.so (या लक्ष्य प्लेटफॉर्म पर पुस्तकालयों का नामकरण सम्मेलन जो भी हो) नाम देना होगा।

ऊपर वर्णित विधि का उपयोग करके .so द्वारा निर्मित cc_library लक्ष्यों और .so साथ निर्मित cc_binary बीच मुख्य अंतर यह है कि cc_library कलाकृतियों में केवल srcs में कोड होता है। यही कारण है कि बिना किसी srcs cc_library लक्ष्य बनाना और केवल deps , जैसे कि //tensorflow/core , किसी भी कलाकृति का उत्पादन नहीं करते हैं। दूसरी ओर, cc_binary लक्ष्य सभी संक्रमणीय निर्भरताओं से जुड़ेंगे।

इस गड़बड़ी के लिए मुझे माफ़ करें। शायद हमें अपने दस्तावेज़ीकरण में सुधार करना चाहिए और .so s के निर्माण पर एक उदाहरण जोड़ना चाहिए।

मुझे लगता है कि आपको Tensorflow और उसकी सभी निर्भरताओं को बनाने के लिए उन चरणों का पालन करना चाहिए। हम TensorFlow को node.js पर पोर्ट करने पर काम कर रहे हैं, और मैंने संपूर्ण रेपो से केवल आवश्यक स्रोतों को संकलित करने और प्राप्त करने के लिए एक शेल स्क्रिप्ट लागू की है:
https://github.com/node-tensorflow/node-tensorflow/blob/1.0.0/tools/install.sh#L233 -L282

@davidzchen .so के निर्माण के संबंध में जानकारी के लिए धन्यवाद। मैंने तदनुसार अपना सेटअप अपडेट किया है और मैंने यह साबित करने के लिए एक _extremely_ मूल परीक्षक के साथ tensorflow/core/java/wrapper/example है कि जेएनआई फ़ंक्शन .so काम पर कॉल करता है। ध्यान दें कि createWrapper.sh को compileAndRun.sh चलाने से पहले चलाया जाना चाहिए।

मैं SWIG रैपर को बेहतर बनाने और एक बेहतर उदाहरण बनाने की कोशिश करूंगा, जो अब मेरे पास है वह काम करने वाले बाइंडिंग का एक न्यूनतम न्यूनतम प्रमाण है।

अंत में, मैं @davidzchen और @saudet को उनकी मदद के लिए धन्यवाद देना चाहता हूं; मैं उनके बिना ऐसा नहीं कर पाता।

अच्छा! इस पर काम करने के लिए धन्यवाद, @kylevedder!

यदि आप रुचि रखते हैं, तो मैं आपकी createWrapper.sh और compileAndRun.sh स्क्रिप्ट को Bazel बिल्ड में 1) स्काईलार्क SWIG नियम बनाकर और 2) जावा कोड बनाने के लिए Bazel के जावा नियमों का उपयोग करके एकीकृत करने का प्रयास कर सकता हूं।

@davidzchen यह बहुत अच्छा होगा! मैं SWIG रैपर और मूल उदाहरण को बेहतर बनाने पर काम करूंगा।

मैंने JavaCPP के लिए प्रीसेट को अंतिम रूप दिया है और example_trainer.cc नमूना पोर्ट किया है:
https://github.com/bytedeco/javacpp-presets/tree/master/tensorflow
SWIG का उपयोग करके एक समान आवरण के साथ इसकी तुलना करने के लिए तत्पर हैं!

ऐसा लगता है कि एपीआई लिंक टूटा हुआ है: http://bytedeco.org/javacpp-presets/tensorflow/apidocs/

@verdiyanto क्षमा करें, मेरे पास अभी तक सीआई नहीं है, लेकिन एपीआई दस्तावेज़ अपलोड करना काफी आसान है, इसलिए मैंने कम से कम ऐसा किया है। आनंद लेना!

@saudet JavaCPP प्रीसेट पर अच्छा काम!

मेरे काम पर एक अपडेट: मैंने SWIG रैपर पर कुछ और काम किया है, और आप मेरे द्वारा किए गए काम को यहाँ देख सकते हैं। हालाँकि, मैं एक चौराहे पर हूँ और मुझे यकीन नहीं है कि आगे बढ़ने का सबसे अच्छा तरीका क्या है।

मैं SWIG के लिए नया हूं, यह देखते हुए कि यह इसका उपयोग करने वाला मेरा पहला प्रमुख प्रोजेक्ट है, इसलिए मैंने SWIG मूल बातें और SWIG और Java पर SWIG प्रलेखन पढ़ा, जो SWIG कैसे काम करता है और SWIG जावा रैपर के साथ C/C++ को कैसे लपेटता है, इसके माध्यम से चलता है।

दस्तावेज़ीकरण बताता है कि कैसे SWIG C/C++ में पॉइंटर्स को अपारदर्शी जावा ऑब्जेक्ट्स में परिवर्तित करता है, यही कारण है कि आपको SWIG द्वारा उत्पन्न SWIGTYPE_p_void जैसी कक्षाएं मिलती हैं। मुद्दा यह है कि पीओजेओ को इन एसडब्ल्यूआईजी कक्षाओं में बदलने का कोई आसान तरीका नहीं है।

इसलिए, उदाहरण के लिए, tensor_c_api.h , सी विधि TF_CreateTensor() एक void* लेती है जो इनपुट डेटा को इंगित करती है और size पैरामीटर के आकार को निर्दिष्ट करने के लिए बाइट्स में इनपुट डेटा। यह सी/सी ++ के लिए एक पूरी तरह से उचित डिजाइन पैटर्न है, लेकिन जावा में पूरी तरह से बकवास है। SWIG जेनरेट की गई जावा विधि TF_CreateTensor() SWIGTYPE_p_void ऑब्जेक्ट को अपने डेटा के रूप में size के साथ लेती है, लेकिन POJO जैसे String को कनवर्ट करने का कोई तरीका नहीं है। SWIGTYPE_p_void कोड का एक बहुत लिखावट के बिना।

और यह वह चौराहा है जिस पर मैं वर्तमान में झूठ बोलता हूं: मैं या तो सी/सी ++ रूपांतरण विधियों का एक टन लिखता हूं जो TF_DataType में परिभाषित किसी भी प्रकार को लेते हैं और void* परिवर्तित हो जाते हैं, या एक गुच्छा लिखते हैं SWIG टाइपमैप एक ही काम करने के लिए। एसडब्ल्यूआईजी दस्तावेज किसी भी समाधान के पक्ष में प्रतीत नहीं होता है, क्योंकि वे दोनों एक दूसरे के रूप में प्रतीत होते हैं।

तो, सवाल है, सी/सी++ रूपांतरण कार्य या एसडब्ल्यूआईजी टाइपमैप्स?

@kylevedder मैं देख रहा हूँ कि आप समझना शुरू कर रहे हैं कि मैंने पहली बार में JavaCPP क्यों बनाया। :)

मैं @saudet के JavaCPP प्रीसेट का उपयोग कर रहा हूं, अत्यंत उपयोगी, धन्यवाद! मैं इसे टेंसरफ़्लो में क्लोजर इंटरफ़ेस बनाने के लिए उपयोग कर रहा हूं।

कुछ टिप्पणियां:

a) सरलीकरण/उच्च-स्तरीय परत का अवसर है

बहुत सारे JavaCPP एपीआई प्रोटोबफ कार्यक्षमता को दोहराते हैं जिन्हें सीधे जेवीएम पर पुल के बिना हासिल किया जा सकता है। मुझे यह महसूस करने के लिए थोड़ा सा समय लगा, लेकिन कोई बस JavaCPP बाइंडिंग का उपयोग करके एक प्रोटोबफ ऑब्जेक्ट का निर्माण कर रहा है, इंटरऑप का उपयोग करके इस प्लेटफॉर्म-स्वतंत्र प्रतिनिधित्व का उत्पादन कर रहा है, और फिर इसे सत्र में भर रहा है।

मैंने JavaCPP कंस्ट्रक्टर फ़ंक्शंस को दरकिनार करते हुए सीधे ग्राफ़ बनाने के लिए jvm- आधारित प्रोटोबफ़्स का उपयोग करना समाप्त कर दिया है। इसके कई फायदे हैं - प्रोग्राम के लिए एक सरल एपीआई, और साथ ही अच्छा .toString प्रारूप जो मानव-पठनीय प्रोटोबफ दिखाता है।

विशेष रूप से क्लोजर के लिए, डेटा संरचनाओं के संदर्भ में टेंसरफ्लो ग्राफ का वर्णन करना और फिर उन्हें सीधे प्रोटोबफ में परिवर्तित करना, मेरी डेटा संरचना में प्रत्येक नोड के लिए एक कन्स्ट्रक्टर फ़ंक्शन को देखने और आमंत्रित करने के लिए बहुत आसान है।

बी) भवन और पैकेज में सुधार

मैं मूल कोड बनाने में, या इन परियोजनाओं में उपयोग किए जाने वाले निर्माण उपकरण में विशेषज्ञ नहीं हूं। मावेन-आकार की कलाकृतियाँ होना बहुत अच्छा होगा; विशेष रूप से यदि वे जेनरेट किए गए जावा प्रोटोबफ वर्ग भी शामिल करते हैं। मुझे यह पता लगाने में शर्मनाक समय लगा कि यह कैसे करना है।

ग) लक्षित करने के लिए कम संख्या में ग्राफ परीक्षण मामलों का होना उपयोगी होगा।

अभी मेरी कार्यप्रणाली कुछ बोझिल है: ग्राफ़ बनाने के लिए JavaCPP कंस्ट्रक्टर फ़ंक्शंस का उपयोग करें, इसे मेरे JVM प्रोटोबफ़्स में मैश करें और मानव-पठनीय रूप देखें, और यह पता लगाएं कि समान रूप बनाने के लिए अपने स्वयं के कंस्ट्रक्टर कैसे बनाएं।

TensorFlow की मुख्य कार्यात्मकताओं का उपयोग करने वाले बहुत ही सरल ग्राफ़ का एक छोटा संग्रह होना उपयोगी होगा, इसलिए मेरे जैसे लोगों के पास विभिन्न भाषाओं में इंटरऑप को लक्षित करने के लिए परीक्षण मामलों का एक उचित सेट है।

वैसे भी सभी के प्रयासों के लिए धन्यवाद और अच्छा काम करते रहो!

@kovasb प्रतिक्रिया के लिए धन्यवाद! जाहिर है, जावा, स्काला, क्लोजर, आदि के लिए इंटरफ़ेस को और अधिक प्राकृतिक बनाने के लिए बहुत कुछ किया जाना है।

यदि आपके पास जावा प्रोटोबफ एपीआई के साथ सी ++ एपीआई को एकीकृत करने के लिए सहायक वर्ग हैं, तो निम्नलिखित पैकेज में सभी को डालने के लिए स्वतंत्र महसूस करें, जिसमें स्वयं उत्पन्न जावा प्रोटोबफ कक्षाएं शामिल हैं, और एक पीआर भेजें:
https://github.com/bytedeco/javacpp-presets/tree/master/tensorflow/src/main/java/org/bytedeco/javacpp/helper
इसका मतलब यही है, और यह स्वचालित रूप से मेवेन आर्टिफैक्ट में पैक हो जाएगा, कुछ ऐसा जो बाजेल समर्थन नहीं करता है। किसी भी मामले में, इस पर गौर करने के लिए धन्यवाद!

@kovasb एक

धन्यवाद!

तो इस धागे में लोग भी जागरूक हैं, https://github.com/tensorflow/tensorflow/issues/3 में उठाया गया है: स्वचालित भेदभाव वर्तमान में तब तक काम नहीं करता जब तक आप पाइथन एपीआई से टीएफ का उपयोग नहीं करते हैं। ऐसा लगता है कि एक शोस्टॉपर लंबित है कि कार्यक्षमता सी ++ में पोर्ट की जा रही है।

मैं डेटा प्रवाह को काफी समझ नहीं पा रहा हूं लेकिन शायद सी ++ lib के साथ पाइथन सहायक सामग्री को लॉन्च करना संभव है?

एक और समाधान जो मैं देख रहा हूं वह सिर्फ जेपी या अन्य पुलों में से एक का उपयोग कर रहा है (किसी के पास सिफारिशें हैं?) जेनी भी काफी दिलचस्प लगती है लेकिन प्राइमटाइम से काफी दूर है (हालांकि इसके पीछे अधिक गति/समुदाय देखना बहुत अच्छा होगा)

यदि JyNi को सुलझा लिया जाता है, तो यह + ज्योथन JVM को एक बहुत ही बढ़िया कहानी री-पायथन इकोसिस्टम इंटरऑप देगा। कोई सपना देख सकता है।

जावा इंटरफ़ेस के लिए +1!

अगर हम जावासीपीपी का उपयोग कर सकते हैं, तो क्या एसडब्ल्यूआईजी अभी भी जरूरी है? क्या हम SWIG इंटरफ़ेस को लागू करने के लिए सहयोग करेंगे?

@maxiwu मुझे लगता है कि JavaCPP SWIG की तुलना में बेहतर काम करता है, लेकिन मैं वास्तव में इसे साबित करने के लिए उनकी तुलना करने के लिए हूं :)

@kovasb मुझे

@sorenmacbeth मुझे

ऐसा लगता है कि हमारे पास यहां एक पूर्ण Javacpp प्रीसेट है। क्या यह "टीम" के लिए एक स्वीकार्य समाधान है?

@saudet मैं JavaCPP रैपर की एक प्रति बनाने की कोशिश कर रहा हूं, लेकिन ऐसा लगता है कि टेंसरफ़्लो स्रोत के परिवर्तन की तीव्र दर के कारण वे 0.6.0 रिलीज़ या आज की मास्टर शाखा के साथ संगत नहीं हैं। क्या उन्हें पॉइंटर के साथ सटीक टेंसरफ़्लो कमिट/संस्करण के साथ अपडेट करना संभव होगा जिसके साथ उनका परीक्षण किया गया था?

@nikitakit मैंने अभी यहां मास्टर शाखा के लिए एक अपडेट किया है: https://github.com/bytedeco/javacpp-presets/commit/43bdcdf03beaaddb4bd5badf5d4f79669e9e78dd

हालांकि कैफ के विपरीत, TensorFlow को वास्तव में हर महीने एक रिलीज मिलती है, इसलिए मुझे लगता है कि मैं उन बिंदुओं पर बाइंडिंग को स्थिर करना शुरू कर दूंगा, जो अगली रिलीज (0.7.0?)

@martinwicke आपको क्या लगता है?

जब एक स्थिर जावा बाध्यकारी होता है, तो मुझे स्कैला एपीआई पर काम करने में खुशी होती है।

/ सीसी @databricks

@kovasb मुझे लगता है कि मैं इसे पहली बार चूक गया। क्या आप कह रहे हैं कि अजगर के माध्यम से TensorFlow का उपयोग करने से हमें मिलने वाले सभी अच्छे ऑटो-विभेदन जादू को अजगर के भीतर लागू किया जाता है, c ++ के भीतर नहीं? तो व्यवहार में, जावा एपीआई को या तो यह सब फिर से लागू करने की आवश्यकता होगी, या सिर्फ एक और संख्यात्मक पुस्तकालय होगा? मैं TensorFlow या अजगर गोंद के आंतरिक भाग से परिचित नहीं हूँ, यह समझने के लिए कि वास्तव में भारी भारोत्तोलन कहाँ किया जाता है।

@drdozer यह मेरी समझ है, @girving द्वारा टिप्पणियों के आधार पर और फिर स्रोत को थोड़ा सा देख रहा है। जावा में सामान को फिर से लागू करना एक नॉनस्टार्टर जैसा लगता है। मेरा सुझाव है कि #3 . में टिप्पणियों को देखें

अगर कोई वास्तव में दिलचस्पी रखता है तो मैं जावा एपीआई का उपयोग करके कुछ प्रशिक्षण उदाहरण करने की कोशिश करने की सिफारिश करता हूं (अब तक मैंने आगे का रास्ता देखा/किया है)।

मुझे आश्चर्य है कि हम ज्योथन के साथ पायथन कोड को कितनी दूर तक चला पाएंगे ...

मेरा मानना ​​​​है कि पायथन एपीआई परत में बहुत सारे तर्क हैं कि सी ++ परत एपीआई का खुलासा नहीं होता है।
मैं JavaCpp पथ का अनुसरण करने की कोशिश कर रहा था, लेकिन अंत में बहुत सारे दोहराव कोड होंगे और जब पायथन कार्यान्वयन में कुछ बदलाव होगा तो निरंतरता बनाए रखना कठिन होगा।

ज्योथन का उपयोग करना शायद आसान @saudet ने पहले उल्लेख किया था ...

इसे https://github.com/tensorflow/tensorflow/issues/476 से @josh11b पर असाइन किया गया था। अगर वह इस पर काम कर रहा है तो ज्योथन का उपयोग करने का कोई मतलब नहीं है।

अगर हम ज्योथन का उपयोग करते हैं तो क्या सी ++ कोड अभी भी काम करेगा? मैं जावा में मौजूद सर्वर के लिए इसका उपयोग करना चाहता हूं लेकिन मैं सीधे जावा रूट की कोशिश करने या पाइथन प्रक्रिया में सॉकेट पर डेटा भेजने के बीच फंस गया हूं

मैं यह उल्लेख करना चाहता हूं कि हालांकि जावा एपीआई में ऑटो-डिफरेंशिएशन जैसी कई सुविधाएं शामिल नहीं हैं, लेकिन मुझे यह मेरे अपने काम के लिए बाधा नहीं मिला है। मुझे अजगर में एक मॉडल बनाने में बड़ी सफलता मिली है, इसे एक .proto फ़ाइल में क्रमबद्ध करना, और फिर इसे प्रशिक्षण के लिए जावा रैपर के माध्यम से खोलना। टेस्ट-टाइम के लिए भी ऐसा ही किया जा सकता है, क्योंकि मेरा मानना ​​है कि सेवर कार्यक्षमता सी ++ और जावा एपीआई के माध्यम से उपलब्ध है।

+1

@सौडेट
javacpp और टेंसरफ़्लो के लिए प्रीसेट बनाने के लिए धन्यवाद। मैं जावा में एक पायथन ग्राफ को सफलतापूर्वक फिर से बनाने में सक्षम था, लेकिन मैं एक सहेजी गई मॉडल फ़ाइल से पुनर्स्थापित करने का प्रयास कर रहा हूं। यह लाइन काम नहीं करती है:

Tensor fn = नया Tensor (tensorflow.DT_STRING, नया TensorShape(1));
चारबफर बफर = fn.createBuffer ();
बफर.पुट ("मॉडलफाइल.टीएफ");
सत्र। भागो (...);

लेकिन चारबफर न्यूल हो जाता है। अगर मैं DT_STRING को DT_FLOAT में बदलता हूं, तो मुझे फ्लोटबफर मिलता है, लेकिन DT_STRING काम नहीं कर रहा है।

@nikitakit आपने कहा कि आपको यह काम मिल गया है। क्या आप अपना कोड साझा कर सकते हैं?

@लक्ष्मणोक

संपादित करें: क्षमा करें, आपने यहां जो कहा है उसे गलत तरीके से पढ़ें। मैं जावा से बाहरी बचतकर्ताओं का उपयोग करने के लिए कोई सहायता प्रदान नहीं कर सकता

संदर्भ के लिए, मेरे कोड का वह भाग जो टेंसरफ़्लो ग्राफ़ आयात करता है, वह यहाँ है: https://gist.github.com/nikitakit/d3ec270aee9d930267cec3efa844d5aa

यह स्कैला में है, लेकिन जावा/अन्य जेवीएम भाषा में पोर्ट करना सीधा होना चाहिए।

ग्राफ़ में वास्तव में नोड्स चलाने के लिए मेरा कोड दुर्भाग्य से मेरे द्वारा उपयोग किए जा रहे स्कैला ढांचे के साथ बहुत अधिक जुड़ा हुआ है, इसलिए आपको इस भाग के लिए टेंसरफ़्लो एपीआई दस्तावेज़ों पर भरोसा करना होगा।

क्या किसी को jvm में अजगर टेंसरफ़्लो वातावरण को एम्बेड करने के साथ कहीं मिला है? ज्योथन + JyNI के साथ कहो? या मज़बूती से काम करने के लिए यह सब थोड़ा बहुत प्रयोगात्मक है?

मैं वर्तमान में ग्राफ परिभाषा के लिए समर्थन जोड़ने के लिए सी एपीआई के विस्तार पर काम कर रहा हूं। सुनिश्चित नहीं है कि यह कब किया जाएगा, लेकिन 1.0 से पहले यह हमारे लक्ष्यों में से एक है।

मैं जावा से टेंसर प्रवाह का उपयोग करने पर काम कर रहा हूँ। मैं एक अन्य अजगर दुभाषिया को समायोजित करने के लिए ज्योथन का उपयोग करके और टेंसर फ्लो सीपीथॉन लाइब्रेरी को संशोधित करके समस्या का सामना कर रहा हूं। cpython को त्रुटिपूर्ण रूप से काम करते रहना चाहिए और मेरा कोड यह पता लगा रहा है कि क्या दुभाषिया ज्योथन है और इसे काम करने की अनुमति देने के लिए आयात/मॉड्यूल को संशोधित कर रहा है। इसके नीचे libtensorflow_cc.so के लिए javacpp बाइंडिंग का उपयोग करता है। क्या यह ऐसा कुछ है जिसे Google टीम आधिकारिक रेपो में रखने के लिए खुली होगी? @vrv

यह अवधारणा का एक अच्छा सबूत लगता है, लेकिन मुझे लगता है कि एक आधिकारिक बंधन शायद पायथन के माध्यम से जाने से अधिक मूल रूप से बांधना चाहेगा :(

नहीं, सी-पायथन रैपर को कॉल करने के बजाय, हम javaccp रैपर कहते हैं। तो यह cpython टेंसर प्रवाह जैसा ही होगा लेकिन Jython का उपयोग करके JVM से मूल्यांकन किया जाएगा। किसी अन्य भाषा में संपूर्ण पायथन तर्क को पुन: कार्यान्वित करना बहुत अधिक लगता है, आप एक और एपीआई के साथ समाप्त होते हैं। javacpp बाइंडिंग आपको बिना किसी समस्या के अनुमान चलाने की अनुमति देती है लेकिन इस समय मॉडल को एक cpython स्क्रिप्ट से बनाया/प्रशिक्षित किया जाना है।

क्या किसी ने कोटलिन के साथ टेंसरफ़्लो को काम करने पर ध्यान दिया है? यह एक अधिक प्राकृतिक फिट लगता है और दिन के अंत में यह अभी भी 100% जावा है। मुझे लगता है कि कोटलिन भाषा अजगर और शुद्ध जावा के बीच एक बहुत अच्छा मध्य मैदान है।

अद्यतन: मैं सफलतापूर्वक / javacpp के साथ जा रहा (@saudet करने के लिए धन्यवाद) बातें और जावा कार्यक्रमों को पढ़ने के लिए TensorFlow मॉडल पर अमल कर रहा था।

https://medium.com/google-cloud/how-to-invoke-a-trained-tensorflow-model-from-java-programs-27ed5f4f502d#.tx8nyds5v

धन्यवाद @lakshmanok और @saudet । ऐसा लगता है कि javacpp प्रोजेक्ट अधिकांश TensorFlow APIs को लागू करता है। हम जावा में टेंसरफ़्लो/सर्विंग चलाने की कोशिश कर रहे हैं।

एपीआई सरल है और protobuf द्वारा परिभाषित किया गया है। अब हमने सर्वर को लागू कर दिया है और क्लाइंट को जावा में लागू करना चाहते हैं। इसे केवल जावा में TensorProto बनाने और gRPC कॉल का आह्वान करने की आवश्यकता है। TensorFlow ने Python और C++ के लिए एकाधिक आयाम सरणियों को परिवर्तित करने के लिए सहायक कार्य प्रदान किए हैं, लेकिन जावा नहीं।

क्या आप बता सकते हैं कि javacpp का उपयोग कैसे करें या इसके लिए स्वयं को कैसे लागू करें?

आप जो खोज रहे हैं वह शायद पहले से ही https://github.com/bytedeco/javacpp-presets/blob/master/tensorflow/src/main/java/org/bytedeco/javacpp/helper/tensorflow.java में है, लेकिन मुझे बताएं अगर वहां कुछ कमी है। धन्यवाद!

क्या इस पर अभी भी काम किया जा रहा है? क्या इस पोर्टिंग प्रोजेक्ट के लिए कोई आधिकारिक जीथब रेपो है? मैं कुछ यादृच्छिक रेपो देखता हूं, लेकिन बता नहीं सकता।

हां, लेकिन शायद अक्टूबर/नवंबर में कभी-कभी। हम C++ API में SWIGing के बजाय C API का उपयोग कर रहे हैं। इस बीच, आप उन बाइंडिंग का उपयोग कर सकते हैं जिनका उल्लेख saudet ने किया है।

सी एपीआई का उपयोग करने के निष्कर्ष पर आप कैसे पहुंचे? हम एक पर काम कर रहे हैं
रूबी इंटरफ़ेस स्विग का उपयोग कर:
http://github.com/somaticio/tensorflow.rb

मंगलवार, 13 सितंबर, 2016 को शाम 6:22 बजे, जोनाथन हसेउ नोटिफिकेशन @github.com
लिखा था:

हां, लेकिन शायद अक्टूबर/नवंबर में कभी-कभी। हम सी एपीआई का उपयोग कर रहे हैं
सी ++ एपीआई में SWIGing के बजाय। इस बीच, आप उपयोग कर सकते हैं
बाइंडिंग जो सौडेट ने उल्लेख किया है।

-
आप इसे प्राप्त कर रहे हैं क्योंकि आपने टिप्पणी की थी।
इस ईमेल का सीधे उत्तर दें, इसे GitHub पर देखें
https://github.com/tensorflow/tensorflow/issues/5#issuecomment -२४६८४४१९२,
या थ्रेड को म्यूट करें
https://github.com/notifications/unsubscribe-auth/AAA5v3g86Z6D1rz-aTGdMyMWnQZhrZUYks5qpyIJgaJpZM4Getd8
.

आगे बढ़ते हुए, हम चाहेंगे कि सभी भाषा बाइंडिंग C API का उपयोग करें। एक डॉक्टर आने वाला है।

आप यहां उदाहरण उपयोग देख सकते हैं:
https://github.com/tensorflow/tensorflow/tree/master/tensorflow/go

हालाँकि, कोई तात्कालिकता नहीं है, और SWIG के शीर्ष पर निर्माण अभी के लिए ठीक है।

@jhseu क्या इसका मतलब यह है कि सी एपीआई का विस्तार उन सभी को कवर करने के लिए किया जाएगा जो वर्तमान में पाइथन बाइंडिंग तक पहुंच सकते हैं?

वाह, बड़ा बदलाव। काश यह पहले ही तय हो जाता। वैसे भी डॉक्स देखने के लिए
जल्दी?

बुधवार, 14 सितंबर, 2016 को शाम 5:56 बजे, सैमुअल ऑडिट नोटिफिकेशन @github.com
लिखा था:

@jhseu https://github.com/jhseu क्या इसका मतलब यह है कि सी एपीआई होगा
उन सभी को कवर करने के लिए विस्तारित किया गया है जो वर्तमान में पाइथन बाइंडिंग तक पहुंच है?

-
आप इसे प्राप्त कर रहे हैं क्योंकि आपने टिप्पणी की थी।
इस ईमेल का सीधे उत्तर दें, इसे GitHub पर देखें
https://github.com/tensorflow/tensorflow/issues/5#issuecomment -247167887,
या थ्रेड को म्यूट करें
https://github.com/notifications/unsubscribe-auth/AAA5vwfBJoZC2s33_7E9Xy6-NYNUjHjnks5qqG2FgaJpZM4Getd8
.

@saudet अधिकांश कार्यक्षमता, अल्पावधि को छोड़कर इसमें कुछ चीजें गायब होंगी (जैसे ग्रेडियेंट, ऑप्टिमाइज़र)।
@jtoy आपके लिए माइग्रेट करने की कोई तात्कालिकता नहीं है। SWIG कुछ समय तक काम करता रहेगा।

दस्तावेज़ केवल वर्णन करते हैं कि इसे कैसे करें और सम्मेलनों का नामकरण कैसे करें। आप उनके बिना सी एपीआई में माइग्रेट करना शुरू कर सकते हैं, हालांकि:
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/c/c_api.h

धन्यवाद @सौडेट । मैंने इसे शुद्ध प्रोटोबफ एपीआई के साथ TensorProto उत्पन्न करने के बारे में स्टैक ओवरफ्लो में पाया है। और यहाँ TensorFlow का उदाहरण कोड है जो gRPC Java क्लाइंट की सेवा कर रहा है।

@ tobegit3hub अच्छा, यदि आप C++ API के साथ यह काम कर सकते हैं, तो कृपया इसे JavaCPP प्रीसेट के हेल्पर पैकेज में जोड़ें और एक पुल अनुरोध भेजें! इस आदमी को कुछ इस तरह की दिलचस्पी होगी: https://github.com/bytedeco/javacpp-presets/issues/240

@girving क्या javacpp पहले से ही समस्या का समाधान करता है?
मैं टेंसरफ़्लो जावा एपीआई में योगदान देना चाहता हूं, मैं इसे अजगर की तरह लागू करना पसंद करता हूं।

हाय दोस्तों, क्या किसी ने पहले ही सी एपीआई का उपयोग कर जावा/स्कैला भाषा बाइंडिंग पर काम करना शुरू कर दिया है?
(एसडब्ल्यूआईजी के शीर्ष पर निर्माण के बजाय)

मेरे पास JNR के माध्यम से केवल C API का उपयोग करके टेंसरफ़्लो के लिए एक कार्यशील जावा/स्कैला इंटरफ़ेस है। दुर्भाग्य से, मुझे अभी तक इसे स्रोत खोलने की अनुमति नहीं है। जब मैं इसे जारी करूंगा तो मैं यहां पोस्ट करूंगा। यह अभी भी एक कार्य प्रगति पर है, लेकिन यह बहुत कार्यात्मक है।

@jdolson क्या आप जिस एपीआई का खुलासा करते हैं वह TensorFlow के प्रोटोकॉल बफर ऑब्जेक्ट्स को स्वीकार करता है? सबसे बड़ी मुद्दों मैं @saudet से javacpp प्रीसेट का उपयोग कर लिया है में से एक है कि जब आप टेन्सर वस्तुओं जावा ग्राहक कोड में आप कर रहे हैं निपटने एक org.tensorflow.framework.TensorProto जो प्रोटोकॉल बफ़र संकलक जब से उत्पन्न होता है के साथ छेड़छाड़ कर रहे हैं जावा आउटपुट के लिए कॉन्फ़िगर किया गया। लेकिन TensorFlow API रैपर में आप एक org.bytedeco.javacpp.tensorflow.TensorProto.TensorProto के साथ काम कर रहे हैं जो javacpp द्वारा उत्पन्न होता है जब प्रोटोकॉल बफर कंपाइलर द्वारा उत्पन्न c कोड पर इंगित किया जाता है जब C का उत्पादन करने के लिए कॉन्फ़िगर किया जाता है। चूंकि प्रकार हैं ' t वही आप लिपटे हुए TensorFlow API को कॉल करते समय सीधे अपने जावा कोड के टेंसर का उपयोग नहीं कर सकते।

@Intropy हां, मैं जावा स्रोत कोड में protoc के साथ सभी टेंसरफ़्लो *.proto स्रोतों को संकलित करता हूं और एपीआई में उन वर्गों का उपयोग करता हूं।

@jhseu क्या सी एपीआई इंटरफ़ेस अभी भी नवंबर के भीतर रिलीज़ होने की राह पर है? यदि नहीं, तो वर्तमान स्थिति क्या है?

@eaplatanios : सी एपीआई ज्यादातर स्थिर है (और आधिकारिक तौर पर 1.0 तक होगा) और प्रयोग करने योग्य हालांकि पूर्ण नहीं है (अभी भी ग्राफ में स्वचालित रूप से ढाल गणना करने की क्षमता गायब है)। भाषा बाइंडिंग बनाने के लिए C API का उपयोग कैसे किया जा सकता है, इसका वर्णन करने वाला एक दस्तावेज़ https://www.tensorflow.org/how_tos/language_bindings/index.html पर है।

गो एपीआई को सी एपीआई का उपयोग करके उपरोक्त दस्तावेज़ का पालन करने के पहले उदाहरण के रूप में लागू किया गया था।

हमें उम्मीद है कि जावा बाइंडिंग इसके ऊपर भी (जेएनआई का उपयोग करके) बनाई जाएगी और इसे थोड़ा सा तलाशना शुरू कर दिया है। किसी भी टिप्पणी/सीखने वाले लोगों ने @saudet के अद्भुत काम का उपयोग करने के आधार पर JavaCPP को काम करने के बारे में जानना अच्छा होगा।

मेरे पास JavaCPP बाइंडिंग का उपयोग करने के आधार पर कुछ सुझाव हैं।

सबसे पहले, चूंकि प्रोटोकॉल बफ़र्स सीधे जावा में संकलित होते हैं, इसलिए जावा संस्करणों का उपयोग किया जाना चाहिए। अधिमानतः मुझे लगता है कि एपीआई में भाग लेने वाले प्रोटोकॉल बफर अलग से एक मेवेन मॉड्यूल के रूप में उपलब्ध होना चाहिए और प्रोटो परिभाषाओं के साथ आना चाहिए ताकि जावा स्टैक पर लोगों के पास बाइनरी के साथ-साथ एक आसान परिभाषा प्राप्त करने का एक आसान तरीका हो। अन्य प्रोटो परिभाषाओं में शामिल करने के लिए प्रोटो परिभाषाओं को प्राप्त करने का तरीका।

दूसरा, यह libc के न्यूनतम संस्करण को खोजने में मददगार होगा जिसकी TensorFlow को आवश्यकता है और उसके विरुद्ध निर्माण करें।

तीसरा, स्वचालित रूप से जेनरेट किए गए एपीआई की तुलना में सोच-समझकर डिज़ाइन किए गए एपीआई का उपयोग करना बहुत आसान है। मुझे पता है कि यह जावासीपीपी पर एक शॉट की तरह स्पष्ट और तरह की आवाज़ है। मेरा मतलब यह नहीं है। मुझे वास्तव में खुशी है कि स्वचालित रूप से जेनरेट किया गया इंटरफ़ेस मौजूद है। यह _is_ प्रयोग करने योग्य है। लेकिन इसके लिए विषम परिवृत्तियों की आवश्यकता होती है, इसमें बहुत सारे मस्से होते हैं, और आप जो करने की कोशिश कर रहे हैं उसे कैसे करना है, यह जानने के लिए कोड को पढ़ना बहुत कठिन है। मेरी इच्छा है कि यह सुझाव "आपको इसे अच्छा बनाना चाहिए" से अधिक उपयोगी था, लेकिन मुझे लगता है कि बिंदु यह है कि सी ++ एपीआई और पायथन एपीआई कितने अलग हैं। दोनों सीधे हैं क्योंकि वे अपने वातावरण को इस तरह से फिट करते हैं कि स्वचालित रूप से परिवर्तित कोड से मेल खाने की संभावना नहीं है।

स्विग के सी बैकएंड का समर्थन करना और स्विग के माध्यम से टीएफ सी एपीआई उत्पन्न करना शायद अच्छा होता: https://github.com/swig/swig/issues/800 ताकि गो, रूबी, आर जैसी अन्य भाषाएं इसका उपयोग कर सकें सी एपीआई अपनी खुद की बाइंडिंग लिखने के लिए।

सी एफएफआई के साथ किसी भी भाषा के लिए समर्थन जोड़ने के लिए हमारे पास एक मौजूदा सी एपीआई है:
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/c/c_api.h

(और यही वह है जो TensorFlow के लिए गो, जावा, रस्ट आदि बाइंडिंग बनाने के लिए उपयोग किया जाता है)

क्या सी एपीआई को जेएनए का उपयोग करके एक्सेस किया जा सकता है?

@jhseu मेरा मतलब था, सी एपीआई को मैन्युअल रूप से लागू करने से पहले, इसे पहले सी ++ एपीआई से उत्पन्न किया जा सकता था।

@ क्वांटम 64 , यहां टेन्सफोर्लो का स्कैला बाध्यकारी है जो जेएनए का उपयोग करता है।

चूंकि यह मुद्दा अभी भी खुला है, कैसे करता है
https://github.com/tensorflow/tensorflow/tree/master/tensorflow/java
लागू किया जा रहा है और प्रतिबद्धता के लिए पीआर क्या था?

@ हसपुत्र : क्या आप जो खोज रहे हैं उस पर विस्तार कर सकते हैं? ऐसे कई कमिट हैं जो कोड में योगदान करते हैं tensorflow/java , जिनमें से अधिकांश इस मुद्दे में संदर्भित हैं (जैसे कि 2b1cd28, d73a266 और बीच में कई अन्य)

HI @asimshankar , उत्तर के लिए धन्यवाद।

मैं बस सोच रहा हूं कि जावा एपीआई को लागू करने के लिए tensorflow/java क्या रास्ता था क्योंकि यह टिकट बंद नहीं है।
Jython के माध्यम से JavaCPP बनाम SWIG बनाम कॉल का उपयोग करने के बारे में चर्चा हुई।

ऐसा लगता है कि सी एपीआई को कॉल करने के लिए सीधे जेएनआई के साथ tensorflow/java लागू किया गया है?

सही।

अरे,

मुझे कल ही ये स्विग बाइंडिंग काम कर रही हैं। मेरे पास एक एपीआई परिवर्तन के लिए एक अनुरोध है। वर्तमान में Tensors प्रतिबिंब उत्पन्न करने के लिए आवश्यक है और सरणियों का प्रारूप थोड़ा बोझिल है, क्योंकि उन्हें n-आयामी देशी जावा सरणियों के उपयोग की आवश्यकता होती है। क्या हम इस इंटरफ़ेस को रख सकते हैं, लेकिन टेंसर बनाने के लिए कुछ तरीके भी जोड़ सकते हैं जिनके लिए 1-आयामी सरणियों की आवश्यकता होती है और किसी अन्य सरणी का उपयोग करके आकार निर्दिष्ट करना होता है? मुझे लगता है कि यह कुछ इस तरह दिख सकता है:

double[] matrix = {1.414, 2.718, 3.1415, 3.4, 56.7, 89.0};
long[] shape = {2, 3};

// add a method for each primitive type
org.tensorflow.Tensor tensor = org.tensorflow.Tensor.createDouble(matrix, shape);

इससे int8, int16, uint8, uint16, uint32 टेंसर भी बनाने की संभावना पैदा होगी, जो अनुकूलता में मदद करेगा।

क्या मुझे इसे मुद्दा बनाना चाहिए? या यहाँ ठीक है?

इसके अलावा, इन तरीकों को बनाने में एक स्टैब लेने से ज्यादा खुशी होगी।

@hollinwilkins : मुझे उम्मीद है कि पीआर # 6577 इसे संबोधित करेंगे, आपकी प्रस्तावित फैक्ट्री विधि में थोड़ा सा बदलाव के साथ:

Tensor tensor = Tensor.create(shape, DoubleBuffer.wrap(matrix));

@asimshankar यह बहुत अच्छा है! जल्दी जवाब देने का शुक्रिया। ऐसा लगता है कि यह भी विलय होने के बहुत करीब है: +1:

मैं नए जावा एपीआई का उपयोग करने की कोशिश कर रहा हूं, और मुझे कुछ चीजें मिली हैं जो मुझे लगता है कि यह होना चाहिए की तुलना में इसका उपयोग करना कठिन बना देता है:

1. जावा एपीआई को ग्राफडिफ ऑब्जेक्ट स्वीकार करना चाहिए। वर्तमान में यह केवल ग्राफडिफ प्रोटोकॉल बफर के क्रमबद्ध बाइनरी का प्रतिनिधित्व करने वाले बाइट सरणी को स्वीकार करता है। पुस्तकालय सीमा पर क्रमबद्धता/deserialization कदम की आवश्यकता के लिए अजीब बात है।
2. session.Runner.feed org.tensorflow.framework.TensorProto को स्वीकार करने में सक्षम होना चाहिए या org.tensorflow.framework.TensorProto से org.tensorflow.Tensor बनाने का एक अच्छा तरीका होना चाहिए।
3. session.Runner.run टेंसर ऑब्जेक्ट्स की एक सूची देता है। ऊपर के समान, TensorProto आउटपुट को सीधे प्राप्त करने का एक आसान तरीका होना चाहिए या org.tensorflow.Tensor को TensorProto में बदलने का एक अच्छा तरीका देना चाहिए।
4. session.Runner.run निगल स्थिति। विफलताओं के बारे में जानकारी प्राप्त करने का एक तरीका होना चाहिए, शायद अपवाद फेंक कर।

साथ ही, यह संभव है कि मैं इसे संभालने का तरीका चूक गया, लेकिन ऐसा लगता है कि मुझे आउटपुट में सभी समर्थित टेंसर प्रकार रन से नहीं मिल सकते हैं। उदाहरण के लिए यदि मेरा आउटपुट टेंसर dtype INT16 का है, तो इससे मान निकालने का कोई तरीका नहीं है। कोई Tensor.shortValue या पसंद नहीं है, और Tensor.intValue एक सटीक मिलान की आवश्यकता है। मैं इसे tensor_jni.cc में DEFINE_GET_SCALAR_METHOD पढ़ने पर आधारित कर रहा हूं।

@ इंट्रॉपी : आपकी टिप्पणियों के लिए धन्यवाद और वे निश्चित रूप से समझ में आते हैं। अभी के लिए मैं आपके साथ कुछ त्वरित विचार साझा कर सकता हूं:

आरई: प्रोटोबफ्स: इस बिंदु पर हम कई कारणों से कोर एपीआई को प्रोटोबफ से स्वतंत्र रखने की कोशिश कर रहे हैं (संसाधन प्रतिबंधित सिस्टम पर उपयोग सहित जहां नानप्रोटो जैसा कुछ अधिक उपयुक्त हो सकता है)। इसलिए, यही कारण है कि हम हिचकिचाते रहे हैं, लेकिन यह कुछ ऐसा है जिसके बारे में हम सोच रहे हैं और सुझावों की सराहना की जाती है। एक संभावना यह है कि सभी प्रोटोबफ संबंधित कार्यक्षमता को एक अलग पैकेज में रखा जाए ताकि एक स्पष्ट अलगाव हो।

तो, अपने बिंदुओं पर वापस जा रहे हैं:

1. ऊपर देखो। हालांकि, मैं शर्त लगाता हूं कि ऐसे कई मामले हैं जहां byte[] अधिक समझ में आता है (जैसे फ़ाइल या नेटवर्क चैनल से ग्राफ़ पढ़ना)

2. मुद्दा लेना

3. ऊपर देखो।

4. Session.runner.run निगलने की स्थिति नहीं होनी चाहिए। यदि कोई त्रुटि है, तो एक अपवाद फेंक दिया जाएगा ( session_jni.cc:166 )। अगर ऐसा नहीं हो रहा है, तो कृपया बग फाइल करें।

आप सही हैं, अभी तक सभी प्रकार समर्थित नहीं हैं, लेकिन जोड़ने के लिए पर्याप्त आसान होना चाहिए। यदि आपको लापता प्रकारों की अत्यधिक आवश्यकता है, तो कृपया बेझिझक एक समस्या दर्ज करें और/या एक पीआर भेजें। योगदान का स्वागत है :)

@asimshankar आपके विचारों के लिए धन्यवाद।

पहले बिंदु के संबंध में, यह वास्तव में कोई बड़ी बात नहीं है। जैसा कि आप कहते हैं कि ऐसे समय होते हैं जहां बाइट [] सबसे अधिक समझ में आता है। मेरे अपने उपयोग के मामले में मेरे पास एक इनपुटस्ट्रीम है, जो बाइट [] में कनवर्ट करने के लिए छोटा है। प्रोटोकॉल बफर एपीआई रूपांतरण को सरल बनाता है। मैं सिर्फ बाइट [] को एपीआई पर एक मस्सा मानता हूं क्योंकि आपको वैसे भी deserialize करना होगा (TF_GraphImportGraphDef में) और इस तरह आप कुछ प्रकार की सुरक्षा खो देते हैं। विचार करने के लिए प्रोटो 3 का जोंस क्रमांकन भी है।

निगलने की स्थिति पर, आप सही हैं। मुझे अनियंत्रित अपवाद याद आया।

2 और 3 को संभालने का सबसे स्पष्ट तरीका org.tensorflow.Tensor को एक कारखाना देना है जो एक TensorProto और कुछ toTensorProto() से परिवर्तित होता है। यदि संसाधन सीमित उपयोग के मामले प्रोटोकॉल बफ़र्स के साथ समस्या है, तो उन परिस्थितियों में लोग बस उन कार्यों का उपयोग नहीं कर सकते हैं। समस्या यह है कि जो लोग उन कार्यों का उपयोग करते हैं, वे एक रूपांतरण की लागत का भुगतान कर रहे होंगे जो संभवतः टेंसर द्वारा अपने डेटा को सीधे प्रोटोबफ में संग्रहीत करने से बचा जा सकता है। मैंने पहले कभी जेनी के साथ काम नहीं किया है, इसलिए मुझे डेटा को संग्रहीत करने में परेशानी हो रही है, लेकिन ऐसा लगता है कि यह मूल रूप से एक टीएफ_टेन्सर के पॉइंटर की तरह देशी हैंडल का इलाज कर रहा है जिसमें एक टेंसरबफर है जिसे अनिवार्य रूप से आकार के शून्य * की तरह माना जाता है।

क्या हम इस मुद्दे को तोड़ सकते हैं और जावा इंटरफ़ेस में प्रत्येक सुविधा के लिए अलग-अलग मुद्दे दर्ज कर सकते हैं? इसे ट्रैक/पार्स करना आसान हो जाएगा, फिर हम इस मुद्दे को बंद कर सकते हैं।

@drpngx : मेरा इरादा इसे बंद करने से पहले (बफर से टेंसर पढ़ना) में कुछ और बदलाव प्राप्त करना है जैसे हमने गो के लिए किया था और सुविधाओं/बग को व्यक्तिगत रूप से दर्ज किया गया था। तो उम्मीद है कि जल्द ही।

अच्छा लगता है, धन्यवाद!

ठीक है, ऐसा लगता है कि हमारे पास बनाने के लिए पर्याप्त आधार है (उदाहरण के लिए, लेबल इमेज उदाहरण बनाने के लिए पर्याप्त है और लोग अधिक विशिष्ट बग/फीचर अनुरोध दर्ज कर रहे हैं।

मैं इस मुद्दे को खत्म करने जा रहा हूं। जावा एपीआई में अभी भी बहुत कुछ करना बाकी है, लेकिन आइए अलग-अलग मुद्दों पर चर्चा/ट्रैक करें। धन्यवाद!

@asimshankar हम गहन शिक्षण ढांचे (एमएक्सनेट/टीएफ) का चयन करने की प्रक्रिया में हैं और हमारे ईटीएल/एपीआई स्पार्क/अक्का प्रवाह पर आधारित हैं ... क्या पीएस का उपयोग करके मॉडल समानांतर प्रशिक्षण चलाने के लिए जावा एपीआई में वितरित_रनटाइम समर्थन जोड़ने की कोई योजना है नोड्स? पीएस नोड कई उपयोग-मामलों के लिए हमारे लिए महत्वपूर्ण है ... javacpp प्रीसेट पहले कट के लिए निर्यात करना आसान हो सकता है क्योंकि सी एपीआई में स्वयं वितरित_रनटाइम नहीं लगता है ...

@ debasish83 : वितरित रनटाइम को अपने आप में शामिल करना मामूली है, लेकिन पाइथन एपीआई में Estimator क्लास जैसे उच्च स्तरीय संरचनाओं का एक समूह है जो चीजों के समूह (चेकपॉइंटिंग, सारांश बचत इत्यादि) का ख्याल रखता है। TensorBoard तुच्छ के माध्यम से विज़ुअलाइज़ेशन करें) जो इसे पायथन में प्रशिक्षण कार्य चलाने के लिए अधिक उपयुक्त बना सकता है।

यह सब जावा एपीआई में मौजूदा प्राइमेटिव का उपयोग करके बनाया जा सकता है, लेकिन सही दृष्टिकोण आपकी सटीक आवश्यकताओं पर निर्भर करेगा।

शायद हमें थ्रेड को सिंक करना चाहिए?

@asimshankar क्या नोड्स, इनपुट और आउटपुट स्वरूप की सूची जैसे ग्राफ़डिफ़ (डिस्क पर ग्राफ़ की .pb फ़ाइल से निर्मित) से जानकारी प्राप्त करने के लिए टेंसरफ़्लो जावा बाइंडिंग से पहले से ही कोई तरीका है या यह एक आने वाली विशेषता है? धन्यवाद!

@asimshankar मुझे यह समझने में यकीन नहीं है कि टीएफ जावा के साथ प्रशिक्षण करने के लिए क्या गुम है। क्या यह संख्यात्मक पुस्तकालय की समस्या है (सुन्न न होना)? मेरा मतलब है कि यदि आप TensorBoard डेटाविज़ में दिलचस्प नहीं हैं, लेकिन केवल प्रशिक्षण, एक देशी जावा संख्यात्मक पुस्तकालय का उपयोग करते हुए, केवल प्रशिक्षण के लिए अजगर का उपयोग क्यों करें (जैसा कि आप Estimator वर्ग के बारे में सुझाव देते हैं)?

धन्यवाद।

जावा में प्रशिक्षण मॉडल की स्थिति क्या है? मैं https://arxiv.org/pdf/1505.04597.pdf (हाल ही में सेल ट्रैकिंग और बायोमेडिकल अनुप्रयोगों के लिए छवि विभाजन में बेतहाशा लोकप्रिय) जैसे दृष्टिकोणों को लागू करने के लिए एक ImageJ (लोकप्रिय और मुफ्त छवि विश्लेषण सूट) प्लगइन लिखने के बारे में सोच रहा हूं। मुझे लगता है कि पूर्व-प्रशिक्षित मॉडलों की एक श्रृंखला प्रदान करना और उपयोगकर्ताओं को उनके विशिष्ट उपयोग के मामले में इन्हें परिष्कृत करने में सक्षम बनाना उपयोगी होगा। मैं इस उद्देश्य के लिए DL4J देख रहा हूं। क्या टीएफ जावा बाइंडिंग में फिटिंग की अनुमति देने के लिए कोई ठोस योजना है?

@bergwerf : यदि विशेष रूप से सुविधाजनक नहीं है, तो जावा में प्रशिक्षण निश्चित रूप से संभव है।
आप https://github.com/tensorflow/models/tree/master/samples/languages/java/training पर एक नमूना पा सकते हैं

(साथ ही, मुझे यकीन है कि आप जागरूक हैं, लेकिन https://imagej.net/TensorFlow भी देखें)

ओह कमाल! मेरी जानकारी तब पुरानी होनी चाहिए ;-)। मुझे लगा कि मैंने पढ़ लिया है
कहीं न कहीं जावा एपीआई केवल पूर्व-प्रशिक्षित के साथ भविष्यवाणी करने के लिए था
मॉडल। मैं उदाहरण में देख लूंगा।

बुध, २८ मार्च, २०१८, २२:०१ असीम शंकर सूचनाएं @github.com ने लिखा:

@bergwerf https://github.com/bergwerf : जावा में प्रशिक्षण निश्चित रूप से है
संभवतः, यदि विशेष रूप से सुविधाजनक नहीं है।
आप यहां एक नमूना पा सकते हैं
https://github.com/tensorflow/models/tree/master/samples/languages/java/training

-
आप इसे प्राप्त कर रहे हैं क्योंकि आपका उल्लेख किया गया था।
इस ईमेल का सीधे उत्तर दें, इसे GitHub पर देखें
https://github.com/tensorflow/tensorflow/issues/5#issuecomment-377015867 ,
या थ्रेड को म्यूट करें
https://github.com/notifications/unsubscribe-auth/AEQJ1UD9-xACQAII5996ees_UFJ_NzL-ks5ti-wSgaJpZM4Getd8
.

@asimshankar यह बहुत बढ़िया है , मैं अपने रेपो में जोड़ने जा रहा हूँ https://github.com/loretoparisi/tensorflow-java