最近在和我的小伙伴们做一个物体识别的小程序,主要是他通过深度学习,然后训练出了一个模型,只要向模型传图片的路径,即可得到识别的结果,
然后我主要负责做服务器和通过java调用他的模型,简单的说就是在java环境下调用Python脚本,
主要有两个方式
第一个是通过jython,这个方法不太好用,当Python用到第三方库的时候,由于jython不可能涵盖所有python第三方类库,
所以建议用第二种Runtime.getRuntime()开启进程来执行python脚本文件
String[] arguments = new String[] {"python","D:\\ccc\\1.py",str};//指定命令、路径、传递的参数 try { Writer out = response.getWriter(); //获得HttpServletResponse输出流对象 Process process = Runtime.getRuntime().exec(arguments);//开启进程来执行脚本文件 BufferedReader in = new BufferedReader(new InputStreamReader(process.getInputStream()));//获取字符输入流对象 String line = null; while ((line = in.readLine()) != null) { JSONArray Resulet = JSONArray.fromObject(util.DataHandle(line.toString()));//读取到结果(一行文字)进行数据处理 String json = Resulet.toString(); out.write(json);//使用输出流对象向小程序发送字符数据 } out.close(); in.close(); } catch (Exception e) { e.printStackTrace(); }
第一行代码传递的参数str就是图片的路径(我这实例代码只传递一个参数,如果传递多个参数直接在str,后面加,格式都是一样,Python代码接收参数也是不一样,接着往下看),剩下的代码我都上了注释
from keras.models import load_model import numpy as np from keras.preprocessing import image import sys import re def predict(pic_dir): model = load_model("D:/ccc/model.h5") images = image.load_img(pic_dir, target_size=(32,32)) images = image.img_to_array(images) images = np.expand_dims(images, axis=0) images=np.array(images,dtype=int) images_normalize=images.astype("float32")/255.0 pre_y=model.predict(images_normalize) pre_y=pre_y.reshape(-1) np.set_printoptions(suppress=False) pre_y=[pre_y[i]*100 for i in range(len(pre_y))] pre_y=[str(pre_y[i]) for i in range(len(pre_y))] for i in range(len(pre_y)): if pre_y[i].find('e',0,l<div>本文来源gaodai^.ma#com搞#代!码网</div>en(pre_y[i]))!=-1: wei=int(pre_y[i][len(pre_y[i])-1])-1 pre_y[i]=re.sub(r'e-.*$','',pre_y[i]) pre_y[i]=re.sub(r'[^0-9]','',pre_y[i]) for j in range(0,wei): pre_y[i]='0'+pre_y[i] pre_y[i]='0'+'.'+pre_y[i] pre_y=[pre_y[i]+"%" for i in range(len(pre_y))] return pre_y prediction=predict(sys.argv[1]) print(prediction)
上面是Python代码,prediction=predict(sys.argv[1])代码里面的sys.argv[1]就是接收传递过来的参数str,如果多个参数就以此类推接收
小程序接收到数据并输出到控制台