让 Java 和 Python 携手合作非常容易,这在开发原型时尤其有价值。
我们从一个实现 Snake 游戏逻辑的 Java 程序开始:场上总有一块食物。每当蛇到达食物时,它就会生长并出现新的食物。如果蛇咬自己或咬墙,游戏结束。
我们的目标是训练一个神经网络来控制蛇,让蛇在犯错和游戏结束之前吃掉尽可能多的食物。首先,我们需要一个代表游戏当前状态的张量。它充当我们神经网络的输入,以便网络可以使用它来预测下一步要采取的最佳步骤。为了让这个例子简单,我们的张量只是一个包含七个元素的向量,可以是 1 或 0:前四个表示食物是在蛇的右边、左边、前面还是后面,接下来的三个条目表示如果蛇头的左边、前面和右边的田地都被一堵墙或蛇的尾巴挡住了。
我们示例的完整源代码可在 GitHub 上找到。
使用 JPype 导入Java类即可:
import jpype import jpype.imports from jpype.types import * # launch the JVM jpype.startJVM(classpath=['../target/autosnake-1.0-SNAPSHOT.jar']) # import the Java module from me.schawe.autosnake import SnakeLogic # construct an object of the `SnakeLogic` class ... width, height = 10, 10 snake_logic = SnakeLogic(width, height) # ... and call a method on it print(snake_logic.trainingState())
JPype 在与 Python 解释器相同的进程中启动 JVM,并让它们使用 Java 本机接口 (JNI) 进行通信。
其他选项:
- Jython 直接在 JVM 中执行 Python 解释器,这样 Python 和 Java 就可以非常高效地使用相同的数据结构。但这对使用原生 Python 库有一些缺点——因为我们将使用numpy和tensorflow,这对我们来说不是一个选择。
- Py4J 处于频谱的另一侧。它在 Java 代码中启动一个套接字,它可以通过它与 Python 程序进行通信。优点是任意数量的 Python 进程可以连接到一个长时间运行的 Java 进程——或者相反,一个 Python 进程可以连接到多个 JVM,甚至通过网络。缺点是套接字通信的开销较大。
在 Java 中加载模型
使用deeplearning4j将训练好的模型加载到 Java 中……
// https://deeplearning4j.konduit.ai/deeplearning4j/how-to-guides/keras-import public class Autopilot { ComputationGraph model; public Autopilot(String pathToModel) { try { model = KerasModelimport.importKerasModelAndWeights(pathToModel, false); } catch (Exception e) { e.printStackTrace(); } } // infer the next move from the given state public int nextMove(boolean[] state) { INDArray input = Nd4j.create(state).reshape(1, state.length); INDArray output = model.output(input)[0]; int action = output.ravel().argMax().getInt(0); return action; } } 调用: public class SnakeLogic { Autopilot autopilot = new Autopilot("path/to/model.h5"); public void update() { int action = autopilot.nextMove(trainingState()); turnRelative(action); // rest of the update omitted } // further methods omitted }
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)