Todos estos algoritmos incluyen versiones paralelas distribuidas que se integran con Apache Hadoop y Spark.
Cuenta con el respaldo comercial de la startup Skymind, que incluye DL4J, TensorFlow, Keras y otras bibliotecas de aprendizaje profundo en una distribución empresarial llamada Skymind Intelligence Layer.
Las redes neuronales se forman en paralelo a través de reducción iterativa, que funciona en Hadoop -YARN y en Spark.
DataVec está diseñado para vectorizar CSV, imágenes, sonido, texto, video y series temporales.
[15] Deeplearning4j se ha integrado con otras plataformas de aprendizaje automático como RapidMiner, Prediction.io, y Weka.
Cuando un servidor web recibe una solicitud HTTP y devuelve datos sobre un sitio web, un servidor modelo recibe datos y devuelve una decisión o predicción sobre esos datos: por ejemplo, envió una imagen, un servidor modelo podría devolver una etiqueta para esa imagen, identificando caras o animales en fotografías.El servidor de modelos SKIL puede importar modelos de marcos Python como Tensorflow, Keras, Theano y CNTK, superando una barrera importante en la implementación de modelos de aprendizaje profundo.
Juntas, estas optimizaciones pueden conducir a una aceleración de 10 veces en el rendimiento con Deeplearning4j.
Los lenguajes principales que realizan las operaciones matemáticas a gran escala necesarias para el aprendizaje profundo son C, C++ y CUDA C. Tensorflow, Keras y Deeplearning4j trabajan juntos.