谁说搞Java的不能玩机器学习？

简介

机器学习在全球范围内愈来愈受欢迎和使用。 它已经完全改变了某些应用程序的构建方式，而且可能会继续成为咱们平常生活中一个巨大的（而且正在增长的）部分。没有什么包装且机器学习并不简单。 它对许多人来讲彷佛很是复杂并经常使人生畏。像谷歌这样的公司将本身的机器学习概念与开发人员联系起来，在谷歌帮助下让他们逐渐迈出第一步，故TensorFlow的框架诞生了。

TensorFlow为什么物？

TensorFlow是由谷歌使用Python和C++开发的开源机器学习框架。它能够帮助开发人员轻松获取数据，准备和训练模型，预测将来状态，以及执行大规模机器学习。有了它，咱们能够训练和运行深度神经网络的内容，诸如光学字符识别，图像识别/分类，天然语言处理等。

张量与操做

TensorFlow基于计算图，你能够将其想象为具备节点和边的经典图。每一个节点被称为操做，它们将零个或多个张量输入并产生零个或多个张量输出。 操做能够很是简单，例如基本的添加，但它们也能够很是复杂。张量被描绘为图的边缘，而且是核心数据单元。 当咱们将它们提供给操做时，咱们在这些张量上执行不一样的功能。 它们能够具备单个或多个维度，有时也称为它们的等级(标量：等级0，向量：等级1，矩阵：等级2)。这些数据受到操做的影响经过张量传递到计算图中，故而称为TensorFlow。张量能够以任意数量的维度存储数据，而且有三种主要类型的张量：占位符，变量和常量。

安装TensorFlow

使用Maven，安装TensorFlow就像包含依赖项同样简单：

<dependency>
  <groupId>org.tensorflow</groupId>
  <artifactId>tensorflow</artifactId>
  <version>1.13.1</version>
</dependency>复制代码

若是你的设备支持GPU功能，能够添加如下依赖：

<dependency>
  <groupId>org.tensorflow</groupId>
  <artifactId>libtensorflow</artifactId>
  <version>1.13.1</version>
</dependency>

<dependency>
  <groupId>org.tensorflow</groupId>
  <artifactId>libtensorflow_jni_gpu</artifactId>
  <version>1.13.1</version>
</dependency>复制代码

你可使用TensorFlow对象来检查当前操做的TensorFlow的版本。

System.out.println(TensorFlow.version());复制代码

TensorFlow的JavaAPI

Java API TensorFlow提供包含在org.tensorflow包中。 它目前是实验性的，所以不能保证其稳定性。须要注意的是TensorFlow惟一彻底支持的语言是Python，Java API几乎没有什么功能。API向咱们介绍了新的类，接口，枚举和异常。

类

经过API引入的新类是：

• Graph：表示TensorFlow计算的数据流图；
• Operation：在Tensors上执行计算的Graph节点；
• OperationBuilder：Operations的构建器类；
• Output ：操做产生的张量的符号句柄；
• SavedModelBundle：表示从存储加载的模型；
• SavedModelBundle.Loader：提供加载SavedModel的选项；
• Server：进程内TensorFlow服务器，用于分布式训练；
• Session：图形执行的驱动程序；
• Session.Run：输出执行会话时得到的张量和元数据；
• Session.Runner：运行操做并评估张量；
• Shape：由操做产生的可能部分已知的张量形状；
• Tensor ：静态类型的多维数组，其元素是由T描述的类型；
• TensorFlow：描述TensorFlow运行时的静态实用程序方法；
• Tensors：用于建立张量对象的类型安全工厂方法；

枚举

• DataType：将张量中的元素类型表示为枚举；

接口

• Operand ：由TensorFlow操做的操做数实现的接口；

异常

• TensorFlowException：执行TensorFlow图时抛出的未经检查的异常

若是咱们将全部这些与Python中的tf模块进行比较将发现存在明显的区别。 Java API没有几乎相同的功能，至少目前如此。

图(Graphs)

如前所述，TensorFlow基于计算图 - 其中org.tensorflow.Graph是Java的实现。注意：它的实例是线程安全的，尽管咱们须要在完成它以后显式释放Graph使用的资源。

让咱们从一个空图开始：

Graph graph = new Graph();复制代码

该对象是空的，因此这个图表意义不大。 要对它作任何操做，咱们首先须要使用Operations加载它。咱们使用opBuilder()方法来加载它，它返回一个OperationBuilder对象，一旦咱们调用.build()方法，它就会将操做添加到咱们的图形中。

常量

让咱们在图表中添加一个常量：

Operation x = graph.opBuilder("Const", "x")
               .setAttr("dtype", DataType.FLOAT)
               .setAttr("value", Tensor.create(3.0f))
               .build(); 复制代码

占位符

占位符是变量的“类型”，声明时没有赋值，他们的值将在以后进行分配。 这容许咱们使用没有任何实际数据的操做来构建图形：

Operation y = graph.opBuilder("Placeholder", "y")
        .setAttr("dtype", DataType.FLOAT)
        .build();复制代码

函数

最后为了解决这个问题，咱们须要添加某些函数。 这些能够像乘法，除法或加法同样简单，也能够像矩阵乘法同样复杂。 和以前同样，咱们使用.opBuilder()方法定义函数：

Operation xy = graph.opBuilder("Mul", "xy")
  .addInput(x.output(0))
  .addInput(y.output(0))
  .build();  复制代码

注意：咱们使用input(0)做为张量能够有多个输出。

图形可视化

遗憾的是，Java API尚未包含任何容许像Python中同样可视化图形的工具。

会话(Sessions)

如前所述，Session是Graph的驱动程序。 它封装了执行Operation和Graph计算张量(tensors)的环境。这意味着咱们构建的图(graph)中的张量(tensors)实际上并无任何值，由于咱们没有在会话(session)中运行图形(graph)。咱们首先将图表添加到会话(session)中：

Session session = new Session(graph);复制代码

咱们的操做知识简单地将x于y相乘，为了运行咱们的图(graph)并获得计算结果，咱们须要使用fetch()获取到xy的操做并为其提供x和y的值：

Tensor tensor = session.runner().fetch("xy").feed("x", Tensor.create(5.0f)).feed("y", Tensor.create(2.0f)).run().get(0);
System.out.println(tensor.floatValue());复制代码

运行这段代码将产生的结果以下：

10.0f复制代码

Java当中加载Python中Saving模块

这可能听起来有点奇怪，但因为Python是惟一受到良好支持的语言，所以Java API仍然没有保存模型的功能。这意味着Java API仅用于服务用例，至少在TensorFlow彻底支持以前。 目前至少咱们可使用SavedModelBundle类在Python中训练和保存模型，而后使用Java加载它们来为它们提供服务：

SavedModelBundle model = SavedModelBundle.load("./model", "serve"); 
Tensor tensor = model.session().runner().fetch("xy").feed("x", Tensor.create(5.0f)).feed("y", Tensor.create(2.0f)).run().get(0);  

System.out.println(tensor.floatValue());复制代码

结论

TensorFlow是一个功能强大且普遍使用的框架。 它不断获得改进，并最近被引入新语言：包括Java和JavaScript。尽管Java API尚未像TensorFlow在Python中那么多的功能，但它仍然能够做为向Java开发人员介绍TensorFlow的一个很好的开始。

原文连接：https://stackabuse.com/how-to-use-tensorflow-with-java/

做 者：David Landup

译 者：klein
------

9月福利，关注公众号​后台回复：004，领取8月翻译集锦!​往期福利回复：001，002, 003便可领取！