发现一款兼容所有主流操作系统的Java开发神器，全新DJL与飞桨的结合助力高效应用部署

自飞桨框架2.0发布以来，许多用户一直在期待一款能够高效简便地帮助Java开发者完成部署任务的工具。在以往的实践中，用户常常需要手动部署Model Server，但在维护和性能方面往往难以达到理想状态。现在，我们与DeepJavaLibrary（DJL）联手推出了一个基于Java的深度学习开发包，它提供了一套飞桨Java推理API，助力开发者更轻松地实现目标。

DJL与飞桨的结合形成了一个轻量级的Java推理库，基于飞桨C++推理库，支持基本的飞桨Tensor，并能对所有飞桨模型进行推理。DJL x Paddle可以在Windows、Linux和Mac操作系统以及所有Java环境中直接使用。

目前，我们为用户提供了两个基本的使用示例:

基于飞桨的口罩识别应用
基于PaddleOCR的文字识别应用

从性能角度来看，DJL x Paddle集成了飞桨的高速推理引擎，同时结合了Java的特性，如高效内存管理和多线程推理。这能够满足生产环境中大规模推理服务的需求。同时，它也能与现有的大数据平台集成，例如Apache Spark，实现离线大数据推理服务。借助飞桨的预训练模型应用工具PaddleHub，我们提供了许多行业实践案例，您可以按照我们的Paddle模型转换教程轻松将应用部署到Java服务上。接下来，我们将通过一个小故事来展示它的强大功能。

Paddle模型转换教程链接：

http://docs.djl.ai/docs/paddlepaddle/how_to_create_paddlepaddle_model_zh.html

小故事

Aaron是一位来自田纳西州的冷冻炸鸡加工厂负责人。近期，他一直为工人进厂不佩戴口罩而感到烦恼。为了保护员工的健康，他在厂房门口安装了摄像头，这样他就能在上班时监督工人是否佩戴口罩，只有戴了口罩的员工才能进入厂内。

然而，由于进出的人流量很大，工作人员必须时刻注视屏幕以判断哪些员工可以入厂。这不仅不便，还会使工人耽误时间，造成焦虑。于是，Aaron想到了是否可以自动化这个过程，比如利用摄像头自动识别工人是否佩戴口罩，从而自动放行。由于他本科时学习过Java，且工厂的网页后端也是用Java编写的，他开始在网上寻找解决方案，DJL恰好出现在了他的视野中。对于Aaron来说，虽然他对人工智能并不熟悉，但他只想找到一个现成的解决方案。

在DJL提供的案例中，Aaron找到了基于飞桨的口罩识别模型！虽然他之前没有接触过飞桨与DJL，但他发现代码看起来简单易懂，只需要做一些小改动就能完成任务。这个模型不仅可以进行面部识别，还能判断员工是否佩戴口罩，完全符合他的需求！

Aaron迫不及待地开始尝试使用DJL提供的步骤来完成他的口罩识别应用。首先，他需要将DJL相关的依赖项添加到Gradle（Java常用的构建工具）中:

dependencies {  
  implementation "ai.djl:api:0.10.0"  
  implementation "ai.djl.paddlepaddle:paddlepaddle-model-zoo:0.10.0"  
  runtimeOnly "ai.djl.paddlepaddle:paddlepaddle-native-auto:2.0.0"  
}

接下来，他通过以下代码导入图像：

String url = "/user/home/my_client.jpg";  
Image img = ImageFactory.getInstance().fromUrl(url);

Aaron欣喜地发现，DJL已经将模型和前后处理都封装好了。接下来，只需以下代码便可导入模型并进行推理。首先，他使用第一个模型来进行人脸检测：

Map<String, String> filter = new ConcurrentHashMap<>();  
filter.put("flavor", "server");  
  
ZooModel<Image, DetectedObjects> model =  
                PpModelZoo.FACE_DETECTION.loadModel(filter, null, new ProgressBar());  
  
Predictor<Image, DetectedObjects> predictor = model.newPredictor();  
DetectedObjects obj = predictor.predict(img);

然后只需将推理结果映射到图像上即可：

Aaron心想：“哇，系统识别出了两个人的脸。不过，这样只找到人脸还不够，我们如何判断他们是否佩戴了口罩呢？”他继续查阅发现，原来还需要使用另一个模型，只需通过输入一张图片，就能判断是否戴了口罩：

Map<String, String> filter = new ConcurrentHashMap<>();  
filter.put("flavor", "server");  
ZooModel<Image, Classifications> model =  
        PpModelZoo.MASK_DETECTION.loadModel(filter, null, new ProgressBar());  
Predictor<Image, DetectedObjects> predictor = model.newPredictor();  
Classifications result = predictor.predict(img);

“那就试试看吧？”Aaron自言自语。他将每张面部的推理结果映射到图像上：