三分鐘體驗：SpringBoot用深度學習模型識別數字

歡迎訪問我的GitHub

這裡分類和彙總了欣宸的全部原創（含配套原始碼）：https：//github。com/zq2599/blog_demos

本篇概覽

使用Deeplearning4j訓練出來的模型，可以在java應用中使用嗎？

當然能，今天咱們花三分鐘來體驗集成了AI能力的SpringBoot應用

該應用的功能是識別黑白圖片中的手寫數字（每張圖片內只有一個數字），如下圖，透過http介面將此圖片提交，讓SpringBoot應用去識別：

下圖是postman操作介面的截圖，紅框中的數字就是SpringBoot應用的識別結果，數字

，與圖片一致：

SpringBoot應用用到的AI模型是LeNet-5，這是個經典的識別模型，常用在卷積網路入門學習中

本篇以體驗為主，不涉及具體的開發，後面還會有文章介紹完整的開發過程（包括原始碼）

環境資訊

為了簡化體驗過程，接下來會用到docker，推薦的環境資訊如下：

作業系統：Ubuntu 16。04。1 LTS 伺服器版（MacBook Pro也可以，版本是11。2。3，macOS Big Sur）

docker：20。10。2 Community

為了加快docker映象的下載速度，建議您提前做好docker加速配置

用於提交圖片的http工具，我這裡是postman

文章標題號稱三分鐘極速體驗，沒時間說太多，準備好環境就火速動手啦

部署

新建名為

images

的目錄，用於儲存處理後的檔案，我這裡完整路徑是

/home/will/temp/202106/29/images

新建名為

model

目錄，用於儲存稍後要下載的模型檔案，我這裡完整路徑是

/home/will/temp/202106/29/model

下載訓練好的模型檔案，我準備了兩個下載地址，您任選一個即可，一個是csdn的（無需積分）：

https：//download。csdn。net/download/boling_cavalry/19881160

，另一個是

https：//raw。githubusercontent。com/zq2599/blog_download_files/master/files/minist-model。zip

下載好的模型檔案是

minist-model。zip

，不要解壓，直接放進前面新建的

model

執行以下命令，會先下載docker映象檔案再建立容器：

docker run \——rm \-p 18080：8080 \-v /home/will/temp/202106/29/images：/app/images \-v /home/will/temp/202106/29/model：/app/model \bolingcavalry/dl4j-model-app：0。0。3

映象檔案有點大（九百多兆…），請您耐心等待，主要是dl4j的依賴庫太大了

當控制檯輸出如下內容，表示啟動成功，並且載入模型成功：

2021-06-29 10：51：55。744 INFO 1 ——- ［ main］ w。s。c。ServletWebServerApplicationContext ： Root WebApplicationContext： initialization completed in 1748 ms2021-06-29 10：51：55。852 INFO 1 ——- ［ main］ c。b。p。service。impl。PredictServiceImpl ： load model from ［/app/model/minist-model。zip］2021-06-29 10：51：55。950 INFO 1 ——- ［ main］ org。nd4j。linalg。factory。Nd4jBackend ： Loaded ［CpuBackend］ backend2021-06-29 10：51：58。397 INFO 1 ——- ［ main］ org。nd4j。nativeblas。NativeOpsHolder ： Number of threads used for linear algebra： 12021-06-29 10：51：58。399 WARN 1 ——- ［ main］ o。n。l。cpu。nativecpu。CpuNDArrayFactory ： *********************************** CPU Feature Check Warning ***********************************2021-06-29 10：51：58。399 WARN 1 ——- ［ main］ o。n。l。cpu。nativecpu。CpuNDArrayFactory ： Warning： Initializing ND4J with Generic x86 binary on a CPU with AVX/AVX2 support2021-06-29 10：51：58。399 WARN 1 ——- ［ main］ o。n。l。cpu。nativecpu。CpuNDArrayFactory ： Using ND4J with AVX/AVX2 will improve performance。 See deeplearning4j。org/cpu for more details2021-06-29 10：51：58。399 WARN 1 ——- ［ main］ o。n。l。cpu。nativecpu。CpuNDArrayFactory ： Or set environment variable ND4J_IGNORE_AVX=true to suppress this warning2021-06-29 10：51：58。399 WARN 1 ——- ［ main］ o。n。l。cpu。nativecpu。CpuNDArrayFactory ： *************************************************************************************************2021-06-29 10：51：58。407 INFO 1 ——- ［ main］ org。nd4j。nativeblas。Nd4jBlas ： Number of threads used for OpenMP BLAS： 12021-06-29 10：51：58。411 INFO 1 ——- ［ main］ o。n。l。a。o。e。DefaultOpExecutioner ： Backend used：［CPU］； OS：［Linux］2021-06-29 10：51：58。412 INFO 1 ——- ［ main］ o。n。l。a。o。e。DefaultOpExecutioner ： Cores：［32］； Memory：［7。0GB］；2021-06-29 10：51：58。412 INFO 1 ——- ［ main］ o。n。l。a。o。e。DefaultOpExecutioner ： Blas vendor：［OPENBLAS］2021-06-29 10：51：59。076 INFO 1 ——- ［ main］ o。d。nn。multilayer。MultiLayerNetwork ： Starting MultiLayerNetwork with WorkspaceModes set to ［training： ENABLED； inference： ENABLED］， cacheMode set to ［NONE］2021-06-29 10：51：59。658 INFO 1 ——- ［ main］ o。s。b。w。embedded。tomcat。TomcatWebServer ： Tomcat started on port（s）： 8080 （http） with context path ‘’2021-06-29 10：51：59。671 INFO 1 ——- ［ main］ c。b。p。PredictNumberApplication ： Started PredictNumberApplication in 6。474 seconds （JVM running for 7。235）

現在SpringBoot應用啟動成功了，我們來試試識別圖片的功能，這個應用提供了兩個介面，分別可以測試白底黑字和黑底白字

識別白底黑字

準備一張白底黑字的png圖片（畫圖板，截圖工具都可以），例如下面這張：