有时，您希望使用Java进行深度学习，并且使用Java，因此让我们在CDP数据中心，私有云和便携式计算机部署中运行的自定义Apache NiFi处理器中使用DJL来实现。
让我们在两个处理器从同一新闻REST源获取数据的情况下运行此流程。
对于“情感”，我们将获得负输出和正输出的概率和百分比，以及原始分类结果（如果需要）。这些是NiFi属性，不会影响摄取的流文件数据。您可以在我的课程中更改此设置，如果需要，可以重新构建和重新部署。
要安装，请获取下面引用的预建NAR，并将其复制到NiFi节点的lib目录中，然后重新启动这些节点。对于其他NiFi运行时，例如Stateless和K8，则有所不同。
我强烈建议您增加NiFi RAM，默认情况下只有512MB？！？！？！
在您的企业Cloudera Flow Management Cloudera Manager控制台中：
在您的NiFi conf / bootstrap.conf中
＃ JVM 内存 设置
Java的。arg。2 = -Xms2048m
Java的。arg。3 = -Xmx2048m
让我们检查一下以确保重新启动后有该RAM。
示例运行
否定的
0.99
证明性的
99.44
肯定的
0.01
肯定性的
0.56
原始分类
[类别：“负面”，概率：0.99440，类别：“正面”，概率：0.00559 ]
要在我们的REST调用的结果上使用Bert QA处理器 ，您需要输入一个段落以通过NiFi处理器中的段落参数进行分析。还输入一个问题，例如为什么？或诸如询问日期或事件之类的非常具体的内容。
您将得到如下结果：
- 演示数据源（REST Feed） https://newsapi.org/v2/everything?q=cloudera&apiKey=REGISTERFORAKEY
建立自己的深度学习工作流程 福州小程序开发
您可以构建自己的NiFi处理器，只需下载或克隆下面列出的存储库之一，然后将Maven导入IntelliJ IDEA。然后，您可以运行JUnit测试并添加自己的模型，或者仅添加更多功能或更改。我建议您根据自己的数据集（也许是内部公司文档）来训练自己的自定义模型，以学习自己的词典。
参考：
- 使用DJL.ai进行深度学习情绪分析
- https://github.com/awslabs/djl/blob/master/mxnet/mxnet-engine/README.md
- https://github.com/aws-samples/djl-demo/tree/master/flink/sentiment-analysis
- https://github.com/awslabs/djl/releases
- 使用DJL.ai进行深度学习情绪分析
- https://github.com/awslabs/djl/blob/master/mxnet/mxnet-engine/README.md
- https://github.com/aws-samples/djl-demo/tree/master/flink/sentiment-analysis
- https://github.com/awslabs/djl/releases
- https://www.datainmotion.dev/2020/09/using-djlai-for-deep-learning-based.html
- http://docs.djl.ai/jupyter/BERTQA.html
抢来源：
https://github.com/tspannhw/nifi-djlsentimentanalysis-processor
https://github.com/tspannhw/nifi-djlqa-processor
抓住最新发行版NAR安装到您的NiFi lib目录：
https://github.com/tspannhw/nifi-djlsentimentanalysis-processor/releases/tag/1.2
https://github.com/tspannhw/nifi-djlqa-processor/releases/tag/1.2
深度学习注意事项：
预训练模型是HuggingFace使用PyTorch进行情感分析训练的DistilBERT模型。我们对BERT QA使用了预训练的Apache MXNet BERT QA模型。
小费
确保NiFi实例为运行每个DJL处理器留出 1-2 GB的额外内存。如果文本很多，请运行更多的节点和/或RAM。确保每个深度学习过程至少有8个核心。我更喜欢JDK 11。
另请参阅： https : //www.datainmotion.dev/2019/12/easy-deep-learning-in-apache-nifi-with.html
