如何在基于Gradle的Spring Boot Kotlin项目中配置AI DJL依赖

1. 配置依赖仓库 #

首先确保build.gradle.kts的repositories块包含mavenCentral，DJL所有官方依赖都托管在maven中央仓库：

repositories {
    mavenCentral()
    // 若使用SNAPSHOT测试版本可添加下方仓库，稳定版无需配置
    // maven { url = uri("https://oss.sonatype.org/content/repositories/snapshots/") }
}

2. 引入核心依赖 #

推荐使用DJL官方提供的BOM统一管理所有组件版本，避免版本不兼容问题：

dependencies {
    // 引入DJL BOM，后续所有DJL依赖无需单独指定版本号
    implementation(platform("ai.djl:bom:0.25.0"))
    // DJL核心API依赖
    implementation("ai.djl:api")

    // 原有Spring Boot、Kotlin相关依赖保留即可
    implementation("org.springframework.boot:spring-boot-starter")
    implementation("com.fasterxml.jackson.module:jackson-module-kotlin")
    implementation("org.jetbrains.kotlin:kotlin-reflect")
}

3. 按需添加深度学习引擎依赖 #

DJL支持多种深度学习引擎，根据你的使用场景选择对应依赖添加即可：

• 若使用PyTorch引擎：

dependencies {
    implementation("ai.djl.pytorch:pytorch-engine")
    // 如需指定固定系统的原生库，避免运行时自动下载，可以添加对应分类器的runtime依赖，示例为Windows x64 CPU版本：
    // runtimeOnly("ai.djl.pytorch:pytorch-native-cpu-precxx11:2.0.1:win-x86_64")
}

• 若使用ONNX Runtime引擎：

dependencies {
    implementation("ai.djl.onnxruntime:onnxruntime-engine")
}

• 若使用TensorFlow引擎：

dependencies {
    implementation("ai.djl.tensorflow:tensorflow-engine")
}

4. 配置验证 #

可以添加如下测试代码验证环境是否配置成功：

import ai.djl.inference.Predictor
import ai.djl.ndarray.types.Shape
import ai.djl.training.util.ProgressBar
import ai.djl.basicmodelzoo.cv.classification.ResNetV1

fun main() {
    // 加载简单的ResNet模型测试环境可用性
    val criteria = ResNetV1.builder()
        .setImageShape(Shape(3, 224, 224))
        .setNumLayers(18)
        .setNumClasses(1000)
        .build()
        .let { Criteria.builder().setModel(it).build() }

    criteria.model.loadModel(ProgressBar())
    println("DJL环境配置成功，模型加载完成")
}

内容的提问来源于stack exchange，提问作者Mama