【导读】随着TensorFlow的普及，越来越多的行业希望将Github中大量已有的TensorFlow代码和模型集成到自己的业务系统中，如何在常见的编程语言（Java、NodeJS等）中使用TensorFlow成为了一个比较常见的问题。专知成员Hujun给大家详细介绍了在Java中使用TensorFlow的两种方法，并着重介绍如何用TensorFlow官方Java API调用已有TensorFlow模型的方法。
专知成员Hujun在以前就写过TensorFlow 1.4 Eager Execution系列教程，欢迎查看。
完整代码可以参见专知Github链接：
https://github.com/ZhuanZhiCode
1.Java调用TensorFlow的两种方法
使用Java调用TensorFlow大致有两种方法：
虽然使用TensorFlow官方Java API可以直接对接训练好的pb模型，但在实际使用中，依然存在着与跨语种对接相关的繁琐代码。例如虽然已有使用Python编写好的基于TensorFlow的文本分类代码，但TensorFlow Java API的输入需要是量化的文本，这样我们又需要用Java重新实现在Python代码中已经实现的分词、从字符串到索引的转换等预处理操作（这些操作同时依赖于Python代码依赖的单词表等数据）。另外，由于Java没有numpy支持，在构建多维数组作为输入时，使用的依然是类似循环的操作，非常繁琐。
KerasServer支持restful交互，因此可以支持用任何程序语言调用TensorFlow/ Keras。由于KerasServer的服务端提供Python API, 因此可以直接将已有的TensorFlow/Keras Python代码和模型转换为KerasServer API，供Java/c/c++/C#/ Python/ NodeJS/Browser Javascript等调用，而不需要再其他语种中进行繁琐的数据预处理操作。
例如，Java可直接将需要分类的文本数据提交给KerasServer，KerasServer可利用已有的Python代码对字符串进行分词、预处理等操作。
本教程介绍如何用TensorFlow官方Java API调用TensorFlow(Python)训练好的模型。教程的代码可在专知的Github项目中找到：
https://github.com/ZhuanZhiCode/TensorFlow-Java-Examples
2.依赖库
（1）Python依赖
TensorFlow
（2）Java依赖
本教程使用的是TensorFlow官方提供了Java接口，因此我们需要导入下面的Maven依赖：
此外，还有一些工具类依赖：
3.保存pb模型
下面的代码中，x是图的输入，z是图的输出。在代码的最后，调用tf.graph_util.convert_variables_to_constants 将图进行转换，最后将图保存为模型文件(pb)。
4.在Java中调用TensorFlow的图(pb模型)
模型的执行与Python类似，依然是导入图，建立Session，指定输入(feed)和输出(fetch)。
运行结果：
完整代码链接：
https://github.com/ZhuanZhiCode/TensorFlow-Java-Examples
-END-
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.bianchenghao6.com/java-jiao-cheng/15886.html