海峰老师您好，合作推动pytorch ON java落地

[mullerhai]

海峰老师您好

我注意到您的项目已经在使用了javacpp-pytorch 1.5.12版本的，这非常不错，您的项目极大的促进了java深度学习框架的落地。javacpp-pytorch 2.9.1-1.5.13-snapshot已经支持GLOO和NCCL 多机多卡分布式训练场景，性能可以匹敌 pytorch Python,或许会成为下一个SPARK flink现象级的项目。

我和Sbrunk做了三年 pytorch ON Scala3，已经讲两个项目捐献给了Bytedeco,来促进JVM深度学习框架的发展。并且做了系列课程和上下游的工具配套也完全捐献，包括Scala3的numpy 和Pandas tensorboard opencv ffmpeg

我们这里跟 bytedeco 商议，想着把 pytorch ON java也做起来，不过经过我的尝试,直接使用javacpp-pytorch编译生成的java胶水层，对普通用户难度太大，比如最简单从二维数组创建tensor就比较复杂。

我们期望可以和海峰老师一起合作一起做个JAVA版本的javacpp-pytorch包裹层，隐藏这些复杂的细节,其实就是海峰老师smile项目的部分模块，我期望未来还是能体现pytorch ON java的特色。

所以请海峰老师一起考虑一下
祝好

[haifengl]

smile-deep already done that. For example,

Model net = new Model(new SequentialBlock(
                Layer.relu(784, 64, 0.5),
                Layer.relu(64, 32),
                Layer.logSoftmax(32, 10)),
                input -> input.reshape(input.size(0), 784)
        ).to(device);

        Dataset data = Dataset.mnist("deep/src/test/resources/data/mnist", true, 64);
        Dataset test = Dataset.mnist("deep/src/test/resources/data/mnist", false, 64);

        // Instantiate an SGD optimization algorithm to update our Net's parameters.
        Optimizer optimizer = Optimizer.SGD(net, 0.01);
        Loss loss = Loss.nll();
        net.train(10, optimizer, loss, data, test, null, new Accuracy(),
                new Precision(Averaging.Micro),
                new Precision(Averaging.Macro),
                new Precision(Averaging.Weighted),
                new Recall(Averaging.Micro),
                new Recall(Averaging.Macro),
                new Recall(Averaging.Weighted));