Eclipse 搭建 Deeplearning4j框架（人工智能-神经网络）

1. 本次给大家带来的是关于一个深度学习的开源框架（Deeplearning4j），Deeplearning4j是一种特定于域的语言，用于配置由多个层组成的深层神经网络

Java

如果您没有Java 1.7或更高版本，需要自行去JDK官网下载1.7以上的版本（包含1.7）。要检查是否安装了兼容的Java版本，请使用以下命令：

java -version

请确保您安装了64位版本的Java，否则会报错提示 no jnind4j in java.library.path是否决定尝试使用32位版本。确保本地计算机已设置JAVA_HOME环境变量

Apache Maven

Maven是Java项目的依赖管理和自动构建工具。它适用于IntelliJ等IDE，可以轻松安装DL4J项目库。按照系统说明将Maven安装到最新版本。要检查是否安装了最新版本的Maven，请使用以下命令：

mvn -version

Deeplearning4j

前面的配置属性检查完成确保无误的情况下，clone example 到本地试运行

1.访问地址（GitHub）：https://github.com/deeplearning4j/dl4j-examples 

2.clone到本地 或者 下载zip格式到本地 

3.下载到本地解压如下图

4. 把解压好的项目导入到eclipse 开发工具里 （File->Import->Existing Maven Projects）

5. 成功导入项目如下图所示

注意：这里导入项目pom.xml可能会报错 需要重新加载 （右键项目属性-Maven-Update Project）,若还是无法解决问题，需要在报错的pom.xml 加上以下代码，JDK版本引用的为1.8，${JAVA_HOME}为本地所配置的环境变量。然后Maven拉jar包的过程中可能会有点卡顿和反应慢 属于正常现象，请耐心等待所有加载完成，谢谢。

        
            jdk.tools
            jdk.tools
            1.8
            system
            ${JAVA_HOME}/lib/tools.jar
    	

6. 成功运行项目如下：

 

 

训练结果解释

Accuracy	准确率：模型准确识别出的MNIST图像数量占总数的百分比。
Precision	精确率：真正例的数量除以真正例与假正例数之和。
Recall	召回率：真正例的数量除以真正例与假负例数之和。
F1 Score	F1值：精确率和召回率的加权平均值。

总结：

        本次给大家带来的是简单的 Eclipse 部署 Deeplearning4j框架，后续更新其他有关Deeplearning4j的相关知识，当然有兴趣的朋友可以给大家推荐一个官方网站进行学习：https://deeplearning4j.org/ ，谢谢大家