第02课：DeepLearning4j 开发的基本流程

Posted 2022-11-23 wangongxi

前面的课程介绍了在 Windows 和 Linux 系统下，Deeplearning4j 开发环境的搭建。在此基础上，我们将进一步介绍 Deeplearning4j 开发的基本流程。本节课核心内容包括：

• 单 CPU 环境
• 多 CPU 环境
• 分布式 Spark 环境

对于机器学习应用来说，数据预处理、模型的训练和验证、模型的部署上线是几个标准的流程，Deeplearning4j 框架的开发流程同样遵循这几个步骤。由于 Deeplearning4j 本身支持在 CPU/GPU 环境下的单机/并行/分布式建模，并且在不同环境下建模的细节略有不同，因此本次课程将着重介绍在单 CPU、多 CPU 及 Spark 集群上建模的步骤。至于在 GPU 环境的开发细节，将在后续课程中单独进行介绍。

2.1 单 CPU 环境

单 CPU 环境常常用于原型验证，尤其对于 Deeplearning4j 来讲，在单 CPU 环境下验证通过后的逻辑可以很方便地移植到其他环境中。下面我们分四个环节介绍在单 CPU 环境下的建模步骤。

2.1.1 构建训练数据

数据集的构建是建模的基础。Deeplearning4j 用内置类：DataSet 对训练数据进行封装（PS：DataSet 对象不仅可以封装单条训练数据，也可以封装一个 Mini-batch 的训练数据）。每一次迭代其实是用一个 DataSet 去更新神经网络中的参数。因此在 Deeplearning4j 中构建训练数据集的最终目的是生成一个 DataSet 迭代器或者 DataSet 序列。

首先使用 Deeplearning4j 中的子项目：DataVec 来构建 DataSetIterator。训练用例是鸢尾花分类问题的开源数据集，