java调用Python文件包括传参

Dear 丶 2022-04-03 02:42 271阅读 0赞

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,len(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

![20181219235339117.JPG][]

小程序接收到数据并输出到控制台

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQwNDMyMw_size_16_color_FFFFFF_t_70][]

然后就是显示数据，给我小伙伴的深度学习点个**赞**！准确率还是挺高的

[20181219235339117.JPG]: /images/20220403/c6dc798dd5ea44549426eb0a29ca8ab5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQwNDMyMw_size_16_color_FFFFFF_t_70]: /images/20220403/6fd903cc793d482e98b1e0f0dae11532.png