deeplearning4j

在 Java 里直接训练和部署深度学习模型

开源 freemium 开发框架

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 14270

维护状态较活跃

是否开源是

定价模式 freemium

项目预览

项目数据

分类开发框架

开发团队deeplearning4j

所属国家

官网地址http://deeplearning4j.konduit.ai

GitHubhttps://github.com/deeplearning4j/deeplearning4j

定价模式freemium

价格说明开源免费，Konduit商业支持需付费，定价待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Java

技术栈/模型artificial-intelligence,clojure,deeplearning,deeplearning4j,dl4j,gpu,hadoop,intellij,java,linear-algebra,matrix-library,neural-nets,python,scala,spark

GitHub 星标★ 14270

30天Star增速

HF 下载量

上线时间2013-11-27 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-17

浏览次数0

项目介绍

DeepLearning4J（DL4J）是面向 JVM 生态的深度学习工具套件，让 Java、Scala、Clojure、Kotlin 开发者无需切换 Python 就能训练和部署神经网络。它解决的核心问题是：企业已有大量 Java 服务和大数据栈（Hadoop、Spark），却难以把 Python 模型顺畅接入生产。DL4J 提供从张量运算、自动微分到完整训练流程的能力，支持导入 Keras、TensorFlow、ONNX/PyTorch 模型，并内置 SameDiff 这一类似 PyTorch/TensorFlow 的动态图库。底层由精简 C++ 数学库与 Java 数学库支撑，可跑 CPU 或 GPU，适合把深度学习直接嵌入现有 JVM 微服务与批处理管道。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：进阶约 30 分钟部署方式：本地安装 5 步

环境要求

JDK 11（platform-tests 模块只能在 JDK 11 上运行）
能克隆并构建 Maven 多模块项目的开发环境
IntelliJ IDEA（README 给出的项目运行方式为 IDEA 导入）
JDK 9 及以上版本需按 README 说明处理模块导出限制

安装与启动步骤

1克隆源码仓库

把 DL4J 完整源码拉到本地，包含 DL4J、ND4J、platform-tests 等模块，网络需能访问 GitHub。
```
git clone https://github.com/deeplearning4j/deeplearning4j.git
```
2准备 JDK 11

测试模块仅支持 JDK 11；JDK 17 会因 Spark 与旧版 Scala 出现兼容问题，请切换环境变量到 JDK 11。
3用 IDEA 导入项目

以 Maven 项目方式导入；对每个 nd4j-shade 子模块右键选择 Maven -> Ignore project 将其忽略。
4处理 JDK 9+ 限制

若构建时报导出系统模块包不被允许，需按 README 给出的 StackOverflow 方案增加导出参数后再构建。
5运行 platform-tests

README 未给具体命令，测试入口在 platform-tests 模块；可在命令行指定后端与版本参数切换测试目标。

关键配置

配置项	必填	说明	示例
`backend.artifactId`	否	指定测试运行的后端，默认 nd4j-native 即 CPU 测试。	`nd4j-cuda-11.6`
`dl4j.version`	否	指定测试所依赖的 DL4J 版本，默认 1.0.0-SNAPSHOT。	`1.0.0-SNAPSHOT`

如何确认成功

README 未给出启动成功标志；若 platform-tests 在所选后端下测试通过，说明环境与依赖配置正确。

常见问题

Q：构建时报 exporting a package from system module is not allowed？

A：这是 JDK 9 及以上的模块限制，按 README 指向的 StackOverflow 方案添加导出参数后重新构建即可。

Q：为什么在 JDK 17 上测试跑不起来？

A：platform-tests 只能在 JDK 11 上运行，JDK 17 与 Spark 及旧版 Scala 存在兼容问题，请切回 JDK 11。

Q：nd4j-shade 子模块编译报错怎么办？

A：README 建议在 IDEA 中右键这些 nd4j-shade 子模块，选择 Maven -> Ignore project 直接忽略。

Q：如何改用 GPU 后端跑测试？

A：通过 -Dbackend.artifactId 指定后端，例如 nd4j-cuda-11.6，但需本地具备对应 CUDA 环境，默认值为 nd4j-native。

注意事项

README 未提供 Maven 依赖坐标、Docker 镜像或安装包命令，接入方式请参考官网 deeplearning4j.konduit.ai。
platform-tests 模块仅用于运行测试，且限制在 JDK 11。
更多可指定参数见 platform-tests/pom.xml 中的配置项。

核心亮点

原生 JVM 支持，Java/Scala/Clojure 项目无需引入 Python 运行时即可训练与推理
支持导入 Keras、TensorFlow、ONNX/PyTorch 模型，便于复用已有模型资产
与 Hadoop、Spark 生态集成度高，适合大数据批处理场景

不足之处

相比 PyTorch/TensorFlow 社区与预训练模型生态明显薄弱
版本迭代节奏较慢，新模型架构跟进不够及时
GPU 配置与依赖管理对新手仍有一定门槛

适用场景

Java 后端服务中直接加载并运行深度学习模型做实时推理
基于 Spark/Hadoop 的大数据管道里批量训练与预测
企业已有 JVM 技术栈，希望避免维护 Python 训练环境

替代项目

PyTorch、TensorFlow、ONNX Runtime

上一篇：magpie

下一篇：handwired