Deep Java Library: AI out of the box

In eerdere Whitebooks van mijn hand is de wereld van de Neurale Netwerken al een klein beetje verkend. Daar werd bijvoorbeeld een Google AI Cloud oplossing voorgesteld waarin een Neuraal Netwerk is gebruikt voor het maken van een neuraal netwerk in AutoML [1]. Ook is er sentiment analyse gedaan met een Google NLP oplossing [2]. Met name het trainen van een Neuraal Netwerk is relatief eenvoudig door gebruik te maken

van Google’s AutoML. Echter vereist het trainen van het netwerk toch enige expertise, met name in het prepareren van de (grote) hoeveelheden training- en testdata. Het netwerk kan goed zijn werk doen als het goed is getraind met goede representatieve data, en deze training goed heeft kunnen verifiëren met goede representatieve testdata. En wat nu als het netwerk niet in Google’s cloud moet draaien, maar on-premise, offline? Het is mogelijk het gegenereerde TensorFlow netwerk te downloaden, en te gebruiken. Maar is er niet een eenvoudigere manier?

Voor heel veel AI gerelateerde usecases is het trainen van een eigen netwerk eigenlijk niet nodig. Met name op het gebied van (o.a.) beeldherkenning en object classificatie kan er gebruik gemaakt worden van bestaande netwerken. Deze zijn te gebruiken in software middels diverse (open source) libraries.

Dit Whitebook bekijkt Deep Java Library (DJL), en wordt een Model Zoo toegepast om zeer eenvoudig via beeldherkenning te kijken of een parkeerplaats vol is.