java djl

// Java code using DJL (Deep Java Library)
import ai.djl.Model;
import ai.djl.Device;
import ai.djl.inference.Predictor;
import ai.djl.modality.cv.Image;
import ai.djl.modality.cv.output.Classifications;
import ai.djl.repository.zoo.Criteria;
import ai.djl.repository.zoo.ZooModel;
import ai.djl.training.util.ProgressBar;
import ai.djl.translate.TranslateException;

import java.io.IOException;
import java.nio.file.Path;
import java.nio.file.Paths;

public class ImageClassificationExample {

    public static void main(String[] args) throws IOException, TranslateException {
        // Load a pre-trained model from the model zoo
        Criteria<Image, Classifications> criteria = Criteria.builder()
                .setTypes(Image.class, Classifications.class)
                .optApplication(ai.djl.modality.cv.Application.IMAGE_CLASSIFICATION)
                .optProgress(new ProgressBar())
                .build();

        try (ZooModel<Image, Classifications> model = criteria.loadModel()) {
            try (Predictor<Image, Classifications> predictor = model.newPredictor()) {
                // Load an image for prediction
                Path imagePath = Paths.get("path/to/your/image.jpg");
                Image img = ImageFactory.getInstance().fromFile(imagePath);

                // Perform prediction
                Classifications classifications = predictor.predict(img);

                // Print top 5 predictions
                System.out.println(classifications.bestK(5));
            }
        }
    }
}

解释说明

1. 导入依赖：代码首先导入了DJL库中的一些关键类和接口，如Model, Device, Predictor, Image, Classifications等。
2. 加载预训练模型：使用Criteria构建器来定义模型的类型和其他选项，并从模型动物园（Model Zoo）中加载一个预训练的图像分类模型。
3. 创建预测器：通过模型创建一个预测器Predictor，用于执行推理任务。
4. 加载图像：从文件系统中加载一张图片，准备进行分类预测。
5. 执行预测：调用预测器的predict方法对图像进行分类，并输出前五个预测结果。

这个示例展示了如何使用DJL库进行图像分类。你可以根据需要修改路径和模型参数以适应不同的应用场景。