Deeplearning4j：如何建设深度学习开源社区

Deeplearning4j 是第一个为 Java 和 Scala 编写的商业级、开源、分布式神经网络库，它是 Gitter 上最活跃的社区之一。 Gitter 采访了 Deeplearning4j 的创始人 Adam 和 Chris，分享了他们在开源社区建设方面的想法、经验和教训。本访谈内容可以在 Gitter 上的 deeplearning4j 频道观看。

Gitter 的数字战略和成长顾问 Ola Kohut 日前写了这篇采访录，经Gitter 授权， InfoQ 翻译并分享。

能否为我们介绍一下您自己和 Deeplearning4j 社区？还有社区是怎么起步的？

我们在2013 年年底就开始构建 Deeplearning4j 。那时 Adam 已经参与机器学习大约有四年左右，当时，深度人工神经网络看上去前景一片光明。 Deeplearning4j 的第一个网络是受限玻尔兹曼机，这是 Geoff Hinton 在2006 年提出的网络，这个领域的转折点。当时我正在另一家创业公司负责公关和招聘。以前我曾做过记者，因此我负责维护文档的工作（现在仍然也在做），因为我们相信，让开源代码具有价值的关键就是适当的沟通。

他们在 Deeplearning4j 频道中讨论的主要问题是什么？

以前主要问题是关于安装方面。社区的工程师教会了我们很多东西，比如关于如何编写更清晰的指令以及如何使代码和体验变得更好，如果我们没有反馈环路的话， Deeplearning4j 的情况就会变得更糟。作为质量控制，开源社区真的很了不起！你解决问题越早，那么这个问题从社区被提到的要求就越少。这极大地激励着我们迅速行动。

现在主要问题是关于数据的加载和神经网络的优化。我们正在努力进行更好的沟通，并使框架做得更好，以便使 ETL 和优化变得更加容易。最后，很多都是关于机器学习和深度学习的基本问题。许多软件工程师已经意识到，深度学习和机器学习是真正强大的工具，因此他们努力领会这些新想法。为此，我们编写了许多介绍性材料，并链接到解释这些想法的网页。

作为一个社区，有什么共同目标吗？

现在社区主要围绕 Deeplearning4j 和我们的科学计算库（ ND4J，用于神经网络的一个库）为中心目标。因此我们要回答如何使用这些库的问题，其间我们还帮助人们更多地了解深度学习。然而这并不是关于深度学习的热线，遗憾的是，有些问题我们不予回答。但我们会帮助 DL4J 社区的工程师构建应用并了解神经网络如何工作。

共同目标就是学习深度学习，并创造出一些酷玩意儿。深度学习能够做什么，我们只看到了冰山一角。到目前为止，人们已经目睹图像识别、机器翻译、机器转录、时间序列预测取得了巨大的进步。许多指标表明，机器感知能力或已超过人类。这将给社会带来令人难以想象的改变。只不过这些改变尚未实施。因此，社区的次要目标是将狭义上的AI 带到这个世界，以期它能改变世界。

在创建和维护社区时，您已经考虑哪些最重要的因素？哪些因素有助于社区的成功？

创建和维护社区需要付诸巨大的时间和精力。你必须可以被别人联系上，还必须尝试了解其他人来自哪里。他们并不总知晓所提出问题的精准术语，因此你必须有耐心搞清楚他们想要问什么，或者他们遇到了什么困难。我们应该一直保持耐心。

保持联系，为之努力，并为强大的工具提供支持是社区建立的好方法。当大项目的创建者可以回答它如何工作的那些深奥问题时，这就得到了很多信任。因为人们知道你所言是权威的。如果事情真的坏了，它将会得到解决。社区和项目创建者之间有一条紧密的反馈环路。

管理社区的主要挑战是什么？

其中的挑战是：我们关心什么问题，以及人们需要为自己回答什么问题？如果有人对 Java 有一些基础问题，像 IntelliJ 这样的 IDE，或者像 Maven 一样的构建工具，大多时候他们需要自己去解决。我们的 Gitter 频道并非讨论问题之处，但在特殊情况下还是会提供帮助，因为有时你因工作需要为神经网络扩展堆空间。

您还必须在建立社区和构建产品之间找到平衡点。理想情况下，您应有一支配备全职支持工程师的大型团队，而团队其他成员则负责代码库。但是，大多开源项目都有很小的团队。只有少数人能够提供支持，他们同时也是修复错误并添加功能的那群人。

你如何鼓励参与者对社区的承诺和贡献？

您在社区中营造一个敏捷、友好的环境。你要让他们知道你很感激他们的贡献，并要尽可能引导他们知晓需要做什么。我们创建了识别贡献者的顶层文件，展示如何做出贡献，并制定了社区的规则。我们还写了一本开发人员指南，现在，我们将所有问题标记为“错误”、“增强”或“文档”，以便人们可以快速扫视列表并探索他们可以为之添加什么。

告诉我们一些关于社区建立所需的时间承诺。社区持续发展需要多少维护？

Skymind 是一支分布式团队，工程师分布在澳大利亚、欧洲和美国， Deeplearning4j 社区成员几乎遍布全球。平日 Skymind 工程师查看 Gitter 队列可能要耗上 12~16 个小时。这是相当认真的承诺，因为我们团队不到 10 个人。这不是他们的专职工作，但也许他们会在休息的时间来进行单元测试并回答 Gitter 上的问题。

根据您的经验，您认为开源社区在过去几年中是否发生了改变？如果是这样，情况又如何？

开源越来越受企业青睐，因此它比以前更为重要。世界上最大的机构正在使用开源软件。 Linux 赢得了操作系统 ，而Hadoop 赢得了大数据存储。开源之所以取得胜利，是因为当你以正确的方式来做时，你会得到更好的代码。吸引更多的眼球意味着正常运行时间会更多。因此， OSS 社区的规模以及软件工程师对开源项目的关注质量，都在逐年增加。

对于想从零开始创建在线开源社区的人们，您会给出什么建议？

首先，创建一个精良的、你所关心的项目。专注于构建一个有用的项目。然后与人们分享。他们会帮助你改进它，并可以帮助你思考接下来要做什么。在开发前期不要做太多事。尝试了解这个项目以便你在合理的时间将它推向市场。一般来说需要几个星期。开源之所以有价值，是因为它是一个会话，这个会话会引领你到正确的地方，因此，你的项目将以无法预料的方式演进。此外，在开源的早期，你提高了曝光率，因此你就获取了得到帮助的机会。我们有厉害的开发人员加入了社区和 Skymind 团队。

您使用哪些数字化工具来帮助管理和壮大社区？

我们的代码存放在 Github 上，会话则在 Gitter 上。目前， Gitter 频道大约有 1360 名开发人员，所以它可能是这个星球上神经网络更活跃的会话之一。我们的网站由 Github 托管，因此内容也在那里。我们使用 Javadoc 来生成大量的自动文档。我们要求人们使用 Maven 作为他们的自动构建工具。任何软件最大的问题之一就是安装， Maven 帮助人们更容易进行安装。你需要不断尝试清除障碍，好让人们可以使用你的代码，而不必担心其他东西。

因为他们参与了您的频道，您能分享一名社区成员的成功故事吗？

很多数据科学家和 Java 工程师都加入了社区，他们使用 DL4J 开发各自的项目。之后他们表示：“当我们使用 DL4J 作为推荐系统的一部分时，广告覆盖率增长了 200%。”另一位开发人员表示使用 DL4J 开发了一个应用，然后被投资者看上了，于是他筹集到了资金。所有这一切，都非常酷。使用开源，就好比你将一块石头扔到海里，你未必能听到石头击水的声音，甚至都看不到泛起的涟漪。因此，当人们向我们表示感谢，并告诉我们的项目为他们提供了什么样的帮助时，这一刻是令人鼓舞的，因为他们的感谢，使得这个项目的存在有了更大的意义。

感谢杜小芳对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。