【经验与坑】Java调用基于Python的机器学习模型

码农智涵的程序人生 2023-04-13

4245

当前需求：

Web后端基于Java语言编写，后端中的计算模块产生的计算结果是机器学习模型的参数。

（1）Java后端向python模型传递参数

（2）python模型接收参数，生成分类结果值

（3）python模型将分类结果值返回给Java后端

一.生成pkl文件

注意版本问题，默认生成为python3文件

#使用joblib.dump方法将模型保存到文件
import joblib
joblib.dump(rfc,'model_joblib.pkl')
print('模型导出文件成功！')

如果想得到python2版本的话：

#使用joblib.dump方法将模型保存到文件
import joblib
joblib.dump(rfc,'model_joblib.pkl',protocol=2)
print('模型导出文件成功！')

二.创建Flask项目

通过pycharm傻瓜式操作即可。

三.Flask部分核心代码

import joblib
import numpy as np
from flask import Flask,request,jsonify
import pickle
import pandas as pd
import sklearn


app = Flask(__name__)


# 加载机器学习模型
model = joblib.load('/data/workarea/PythonArea/xxxProject/xxxtic/model_joblib.pkl')


@app.route('/classify',methods=['POST'])
def predict():
    # Get the input data from the request
    input_data = request.get_json()


    # Convert the input data to a numpy array
    input_array = np.array(input_data['input'])


    # Make the prediction using the model
    prediction = model.predict(input_array.reshape(1, -1))


    # Return the prediction as a JSON response
    response = {
        'prediction': prediction[0]
    }
    return jsonify(response)




if __name__ == '__main__':
    app.run()

试运行项目，并通过ApiPost工具对接口进行测试

那么python这部分的服务到这里就完成了。接下来的工作就是在Java后端中传递参数并获得结果。

四.Java后端请求分类结果

package com.githan.utils;


import com.alibaba.fastjson.JSONArray;
import com.alibaba.fastjson.JSONObject;


import java.io.*;
import java.net.HttpURLConnection;
import java.net.URL;


/**
 * @author han56
 * @description 功能描述：调用python机器学习模型
 * @create 2023/4/13 上午9:30
 */
public class UseDecisionModel {




    public static void main(String[] args) {
        try {
            // 创建连接
            URL url = new URL("http://127.0.0.1:5000/classify");
            HttpURLConnection connection = (HttpURLConnection) url.openConnection();
            connection.setDoOutput(true);
            connection.setDoInput(true);
            connection.setRequestMethod("POST");
            connection.setRequestProperty("Content-Type", "application/json;charset=UTF-8");
            connection.setRequestProperty("Accept", "application/json");
            connection.setRequestProperty("Accept-Encoding", "UTF-8");


            // 构建请求参数
            JSONObject requestParams = new JSONObject();
            JSONArray jsonArray = new JSONArray();
            jsonArray.add(1.0);jsonArray.add(1.34);jsonArray.add(65150.70672);
            requestParams.put("input",jsonArray);


            // 发送请求
            OutputStreamWriter writer = new OutputStreamWriter(connection.getOutputStream(), "UTF-8");
            writer.write(requestParams.toString());
            writer.flush();
            writer.close();


            // 获取响应
            BufferedReader reader = new BufferedReader(new InputStreamReader(connection.getInputStream()));
            String line;
            StringBuilder response = new StringBuilder();
            while ((line = reader.readLine()) != null) {
                response.append(line);
            }
            reader.close();


            // 打印响应
            JSONObject res = JSONObject.parseObject(response.toString());
            System.out.println(res);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

这样就基本完成了Java后端与Python项目之间的互通了，这样实现的好处就是不受版本限制，在python中版本不同还是很坑的。缺点：效率偏低等。

文章转载自码农智涵的程序人生，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

【经验与坑】Java调用基于Python的机器学习模型

评论