完整 JVM 深度学习框架
支持使用 Java 和 Scala 构建、训练和部署神经网络，并覆盖训练循环、评估、内存与工作区等核心概念。
Eclipse Deeplearning4j
在 JVM 上构建、训练和部署深度学习模型Eclipse Deeplearning4j 是面向 JVM 的开源分布式深度学习框架，支持使用 Java 和 Scala 构建、训练与推理神经网络，并提供 CUDA 原生 GPU 加速以及基于 OpenBLAS 和 oneDNN 的 CPU 计算。官方文档覆盖从入门、核心概念到数据管道、模型导入、训练配置和性能调试的完整流程。
- 1.0.0-M2.1
- 当前文档版本
- 8
- 生态组件入口
- Java 和 Scala
- 主要开发语言
- GPU 与 CPU
- 支持的计算方式
覆盖深度学习开发全流程
从数值计算和数据准备，到神经网络训练、跨框架模型导入与运行环境配置，文档提供 Deeplearning4j 生态各组件的使用入口。
ND4J 数值计算
提供面向 Java 的 N 维数组能力，涵盖 NDArrays 创建、索引切片、矩阵操作、数据类型、激活函数和序列化。
数据管道与 ETL
DataVec 支持数据读取、模式定义、转换、过滤、归一化、分析、序列化以及图像数据处理。
跨框架模型导入
文档提供 Keras、SameDiff、GGML/GGUF、ONNX、TensorFlow 和 Apache TVM 模型导入入口。
Python 与 Java 互操作
Python4J 支持从 Java 嵌入 CPython，并提供 NumPy Bridge 与进阶用法说明。
硬件与性能配置
提供 Maven、Gradle、SBT、GPU 与 CPU、cuDNN、内存、工作区和性能调试相关配置指南。
跟进当前文档版本
页面提供当前版本及历史版本文档入口，并列出最新版本对应的学习与开发内容。
1.0.0-M2.1 作为当前文档版本
版本区域标示 1.0.0-M2.1 为当前版本，并提供 1.0.0-M1.1、1.0.0-M1、1.0.0-beta7 和 1.0.0-beta6 的历史文档入口。
扩展 LLM 与 VLM 相关内容
Deeplearning4j 文档目录新增 LLM & VLM Stack，以及 PEFT & RL Alignment Training 相关内容入口。
从快速入门到 API 参考
通过官方快速入门、组件概览、Javadoc 和社区论坛，继续了解框架的安装、开发、调试与扩展方式。
从这里开始使用Eclipse Deeplearning4j。
NETWORK
