之前参见了中国软件杯大赛，在大赛中用到了深度学习的相关算法，也训练了一些简单的模型。项目线上平台是用java编写的web应用程序，而深度学习使用的是python语言，这就涉及到了在java代码中调用python语言的方法。
为了能在java应用中使用python语言训练的算法模型，我在网上找了很久。我大概找到了三种方法
1. java代码可以直接调用python代码，只需要下载相应的jar包就行。这种方式我没有尝试，只是觉得这样做使得java应用太过于依赖python的环境了。还有网上也有将python代码打包成jar的方法，然后可以让java代码调用，但是很多第三方库不能打包成jar包。
2. 将python训练的模型参数保存到文本中，用java代码重现模型的预测算法。我之前就这样做过。这么做显然工作量太大，而且出现的bug几率大大增加。最重要的是很多深度学习的框架就没办法用了。
3. 使用python进程运行深度学习中训练的模型，在java应用程序中调用python进程提供的服务。这种方法我认为是最好的。python语言写得程序毕竟还是在python环境中执行最有效率。而且python应用和java应用可以运行在不同的服务器上，通过进程的远程访问调用。
以下是我实现java应用程序访问python进程的python代码部分。进程之间只能是通过socket进行通信。我本来想过用python编写一个web应用，对java提供HTTP服务，后来觉得这样还需要web服务器，对环境依赖太大，而且两个进程间的通信也很简单，所以干脆直接用socket进行调用得了
import socket import sys import threading import json import numpy as np from tag import train2 # nn=network.getNetWork() # cnn = conv.main(False) # 深度学习训练的神经网络,使用TensorFlow训练的神经网络模型，保存在文件中 nnservice = train2.NNService(model='model/20180731.ckpt-1000') def main(): # 创建服务器套接字 serversocket = socket.socket(socket.AF_INET,socket.SOCK_STREAM) # 获取本地主机名称 host = socket.gethostname() # 设置一个端口 port = 12345 # 将套接字与本地主机和端口绑定 serversocket.bind((host,port)) # 设置监听最大连接数 serversocket.listen(5) # 获取本地服务器的连接信息 myaddr = serversocket.getsockname() print("服务器地址:%s"%str(myaddr)) # 循环等待接受客户端信息 while True: # 获取一个客户端连接 clientsocket,addr = serversocket.accept() print("连接地址:%s" % str(addr)) try: t = ServerThreading(clientsocket)#为每一个请求开启一个处理线程 t.start() pass except Exception as identifier: print(identifier) pass pass serversocket.close() pass class ServerThreading(threading.Thread): # words = text2vec.load_lexicon() def __init__(self,clientsocket,recvsize=1024*1024,encoding="utf-8"): threading.Thread.__init__(self) self._socket = clientsocket self._recvsize = recvsize self._encoding = encoding pass def run(self): print("开启线程.....") try: #接受数据 msg = '' while True: # 读取recvsize个字节 rec = self._socket.recv(self._recvsize) # 解码 msg += rec.decode(self._encoding) # 文本接受是否完毕，因为python socket不能自己判断接收数据是否完毕， # 所以需要自定义协议标志数据接受完毕 if msg.strip().endswith('over'): msg=msg[:-4] break # 解析json格式的数据 re = json.loads(msg) # 调用神经网络模型处理请求 res = nnservice.hand(re['content']) sendmsg = json.dumps(res) # 发送数据 self._socket.send(("%s"%sendmsg).encode(self._encoding)) pass except Exception as identifier: self._socket.send("500".encode(self._encoding)) print(identifier) pass finally: self._socket.close() print("任务结束.....") pass def __del__(self): pass if __name__ == "__main__": main()
在java代码中访问python进程的代码：
private Object remoteCall(String content){ JSONObject jsonObject = new JSONObject(); jsonObject.put("content", content); String str = jsonObject.toJSONString(); // 访问服务进程的套接字 Socket socket = null; List<Question> questions = new ArrayList<>(); log.info("调用远程接口:host=>"+HOST+",port=>"+PORT); try { // 初始化套接字，设置访问服务的主机和进程端口号，HOST是访问python进程的主机名称，可以是IP地址或者域名，PORT是python进程绑定的端口号 socket = new Socket(HOST,PORT); // 获取输出流对象 OutputStream os = socket.getOutputStream(); PrintStream out = new PrintStream(os); // 发送内容 out.print(str); // 告诉服务进程，内容发送完毕，可以开始处理 out.print("over"); // 获取服务进程的输入流 InputStream is = socket.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is,"utf-8")); String tmp = null; StringBuilder sb = new StringBuilder(); // 读取内容 while((tmp=br.readLine())!=null) sb.append(tmp).append(' '); // 解析结果 JSONArray res = JSON.parseArray(sb.toString()); return res; } catch (IOException e) { e.printStackTrace(); } finally { try {if(socket!=null) socket.close();} catch (IOException e) {} log.info("远程接口调用结束."); } return null; }