DJL（Deep Java Library ）是亚马逊在2019年宣布推出的开源Java深度学习开发包，它是在现有深度学习框架基础上使用原生Java概念构建的开发库。它为开发者提供了深度学习的最新创新和使用前沿硬件的能力，例如GPU、MKL等。简单的API抽象并简化了开发深度学习模型所涉及的复杂性，使得DJL更易于学习和应用。有了model-zoo中绑定的预训练模型集，开发者可以立即开始将深度学习的SOTA成果集成到Java应用当中。
DJL秉承了Java的座右铭：「Write once, run anywhere」，不依赖于具体的引擎和深度学习框架，可以随时切换框架。原则上，基于DJL开发人员可以编写在任何引擎上运行的代码。DJL目前提供了MXNet,、PyTorch和TensorFlow的实现。DJL通过调用JNI或者JNA来调用相应的底层操作。DJL 编排管理基础设施，基于硬件配置来提供自动的 CPU/GPU 检测，以确保良好的运行效果。
为了帮助Java开发者更好地上手DJL，机器之心联合AWS带来三期线上分享。在第一期分享《DJL综述以及推理应用》中，AWS算法工程师兰青主要介绍了深度学习的基础概念、什么是DJL，并通过在线demo演示了DJL是如何将Java和深度学习有机结合起来的。
第一期回看：
https://app6ca5octe2206.h5.xiaoeknow.com/v1/course/alive/l_5f915665e4b028be590b745f 第一期有奖实践作业与反馈问卷详见DJL交流群。
11月3日，AWS软件开发工程师李政哲将带来第二期分享《DJL推理架构及客户成功案例》。第二期分享主要介绍：
DJL推理模块并结合具体场景讲解各模块使用方法； 推理 API 的使用方法以及如何优化推理速度；
如何部署在微服务、大数据服务以及移动端，并搭配客户成功案例的讲解。
11月3日，第二期分享
分享主题：DJL推理架构及客户成功案例分享时间：11月3日 20:00-21:00
讲师简介：李政哲， AWS AI 软件开发工程师，毕业于台湾国立成功大学后， 在美国卡內基梅隆获得硕士学位。他曾开发过 Apache MXNet，也是 DJL 深度学习框架的 作者之一。目前致力于优化机器学习推理的速度， 以及改善 Java开发者训练模型的使用体验。
实践作业：我们将根据分享内容设置一次实践作业，并根据作业完成度包括代码是否可以运行、结果是否正确、效率是否最好、呈现是否满足或超出预期等标准进行综合评估。
我们将从所有作业中评出1名MVP奖，赠送200元天猫超市购物券；评出6名优秀奖，赠送50元天猫超市购物券。
一对一答疑：我们开放了持续三周的答疑时间，关于实践作业与DJL相关的任务问题都可以和DJL开发团队成员预约时间进行一对一交流。
预约方法：访问下方链接，在对应时间段填入微信ID，并在此时间段访问文档下方的视频会议地址。
预约链接：https://shimo.im/sheets/qk3HRqHRpYTPVJhg/MODOC。
加入交流群：添加机器之心小助手（syncedai5），备注「DJL」。
