當機器學習遇見SpringBoot，不一樣的火花哦

前言

近來，疫情得到了控制，各個地方也都慢慢恢複了往常的熱鬧。在疫情期間，踴躍出來了很多不錯的項目，可以提供我們了解學習。

對于機器學習，對于普通技術人員有種望而止步的既視感。現在，我們結合SpringBoot加

Deep Java Library

（DJL）建構示例Web應用程式。

（DJL）是Java的開源深度學習庫，用于診斷X射線圖像上的COVID-19。

它具有一個使用Twitter Bootstrap和JQuery建構的簡單靜态HTML頁面，使用者可以将圖像URL送出到REST api，DJL庫将在其中下載下傳圖像和預測是否是被COVID-19感染的肺部的X射線圖像。

到源代碼的連結包含在這篇文章的結尾。

免責聲明：這隻是基于

https://github.com/ieee8023/covid-chestxray-dataset

上的資料集的示範應用程式，不應将其用于實際醫學診斷。

DJL

是基于Java的庫，支援多種深度學習架構，例如

Apache MxNet

，

PyTorch

和

Tensorflow

。由于大多數深度學習引擎都是使用Python而不是Java建構的，是以DJL内置了引擎擴充卡來通路這些引擎的本機共享庫。

DJL以一種優雅的方式做到了這一點，使得根據用例從一個架構切換到另一個架構變得非常簡單。

Maven 依賴

<properties>
    <java.version>1.8</java.version>
    <ai.djl.version>0.5.0</ai.djl.version>
    <jna.version>5.3.0</jna.version>
    <tensorflow-native-auto.version>2.1.0</tensorflow-native-auto.version>
</properties>
<dependencies>
    <!-- Spring Boot web starter -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>commons-io</groupId>
        <artifactId>commons-io</artifactId>
        <version>2.6</version>
    </dependency>
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <optional>true</optional>
    </dependency>
    <!-- DJL 相關依賴 -->
    <dependency>
        <groupId>ai.djl</groupId>
        <artifactId>api</artifactId>
        <version>${ai.djl.version}</version>
    </dependency>
    <dependency>
        <groupId>ai.djl.tensorflow</groupId>
        <artifactId>tensorflow-api</artifactId>
        <version>${ai.djl.version}</version>
    </dependency>
    <dependency>
        <groupId>ai.djl.tensorflow</groupId>
        <artifactId>tensorflow-engine</artifactId>
        <version>${ai.djl.version}</version>
    </dependency>
    <dependency>
        <groupId>ai.djl.tensorflow</groupId>
        <artifactId>tensorflow-native-auto</artifactId>
        <version>${tensorflow-native-auto.version}</version>
        <scope>runtime</scope>
    </dependency>
    <dependency>
        <groupId>net.java.dev.jna</groupId>
        <artifactId>jna</artifactId>
        <version>${jna.version}</version>
    </dependency>
</dependencies>

啟動類

@SpringBootApplication
public class XRayApplication {
    public static void main(String[] args) {
        SpringApplication.run(XRayApplication.class, args);
    } 
}

配置類

與配置Redis之類的中間件一樣，我們使用DJL，需要進行關聯的配置。可以采用xml配置，當然根據SpringBoot更優雅的實作，采用@Configuration。

@Configuration
public class DjlConfig {
    @Bean
    public ZooModel xrayModel() throws Exception {
        //建立模型 輸入BufferedImage 和Classifications類别
        Criteria<BufferedImage, Classifications> criteria =
        Criteria.builder()
        .setTypes(BufferedImage.class, Classifications.class)
        .optTranslator(new XrayTranslator())
        .build();
        return ModelZoo.loadModel(criteria);
    }
    // 内部類 建構 解析器
    public static final class XrayTranslator implements Translator<BufferedImage, Classifications> {
        private static final List<String> CLASSES = Arrays.asList("covid-19", "normal");
        @Override
        public NDList processInput(TranslatorContext ctx, BufferedImage input) {
            NDArray array =
            BufferedImageUtils.toNDArray(
            ctx.getNDManager(), input, NDImageUtils.Flag.COLOR);
            array = NDImageUtils.resize(array, 224).div(255.0f);
            return new NDList(array);
        }
        @Override
        public Classifications processOutput(TranslatorContext ctx, NDList list) {
            NDArray probabilities = list.singletonOrThrow();
            return new Classifications(CLASSES, probabilities);
        }
  }
}

Service層實作

@Service
public class Covid19Service {
    @Autowired
    private ZooModel xrayModel;
    //業務邏輯，分析圖檔資料
    public String diagnose(String imageUrl) {
        try (Predictor<BufferedImage, Classifications> predictor = xrayModel.newPredictor()) {
            Classifications result = predictor.predict(BufferedImageUtils.fromUrl(imageUrl));
            return "Diagnose: "
            + result.best().getClassName()
            + " , probability: "
            + result.best().getProbability();
        } catch (Exception e) {
            throw new RuntimeException("Failed to diagnose", e);
        }
    }
}

ZooModel

在

DjlConfig

類中建立的 bean 是自動裝配的，并在

diagnose()

具有

imageUrl

參數的方法中使用。

在該方法内，我們通過預訓練的Tensorflow模型

Predictor

使用該

try-resource

塊建立一個對象（因為預測器在執行後需要關閉），并使用它來運作

BufferedImage(

使用

imageUrl

參數建立的對象。

有關該模型的更多詳細資訊，請通路：

https://www.pyimagesearch.com/2020/03/16/detecting-covid-19-in-x-ray-images-with-keras-tensorflow-and-deep-learning/

。

一旦

diagnose()

運作該方法，

Classifications

結果對象将顯示X射線圖像上的肺部是否被COVID-19感染，以及出現的可能性。

Controller層實作

控制器類定義了REST API來診斷X射線圖像，這些圖像将由我們的簡單前端應用程式使用

@RestController
@RequestMapping(value = "/api/v1", produces = MediaType.APPLICATION_JSON_VALUE)
public class Covid19Controller {
    /**
     * 通過構造器，注入服務類
     */
    private final Covid19Service covid19Service;
    public Covid19Controller(Covid19Service covid19Service) {
        this.covid19Service = covid19Service;
    }
    @GetMapping("/covid19/diagnose")
    public ResponseEntity diagnose(@RequestParam String imageUrl) {
        String answer = covid19Service.diagnose(imageUrl);
        return ResponseEntity.ok(Collections.singletonMap("result", answer));
    }
}

具體類注解的使用，應該使用過SpringBoot的小夥伴，都了解作用。不是很清晰的同學，可以去SpringBoot官方檢視相關資料。

前端頁面

Spring Boot應用程式具有一個簡單的靜态

index.html

檔案作為診斷REST api的前端用戶端，它使用Twitter Bootstrap進行響應式設計，并使用JQuery進行REST api調用

引入對應的js 、css

<head>
    <link rel="stylesheet" href="/css/bootstrap.min.css"/>
    <script src="/js/jquery.min.js"></script>
</head>

建立表單，送出資料

<form id="diagnoseForm" class="mb-4">
    <div class="input-group">
        <input type="url" id="imageUrl" class="form-control" required placeholder="輸入圖像url" aria-label="Image URL">
        <div class="input-group-append">
            <button class="btn btn-outline-primary">送出</button>
        </div>
    </div>
</form>

資料展示區域

<div class="row ml-1">
    <div id="spinnerDiagnose" class="text-primary" role="status">
        <span class="sr-only">Loading...</span>
    </div>
    <div id="diagnose"></div>
</div>

對應的js代碼

$( "#diagnoseForm" ).submit(function( event ) {
    // 擷取圖檔值
    const imageUrl = $('#imageUrl').val();
    $('#spinnerDiagnose').addClass('spinner-border');
    // 清空
    $('#diagnose').html('');
    $.ajax('/api/v1/covid19/diagnose?imageUrl='+imageUrl).done(data => {
        $('#spinnerDiagnose').removeClass('spinner-border');
        $('#diagnose').html(data.result);
    }).fail(err => {
        $('#spinnerDiagnose').removeClass('spinner-border');
        $('#diagnose').html('Failed to get answer');
    });
    event.preventDefault();
});

到此整個代碼，完畢。

運作應用

該應用環境必須需要Tensorflow的支援，是以需要下載下傳對應的訓練模型。

在項目的根檔案夾中運作以下指令：

mkdir models
cd models
curl https://djl-tensorflow-javacpp.s3.amazonaws.com/tensorflow-models/covid-19/saved_model.zip | jar xv
cd ..
./mvnw spring-boot:run -Dai.djl.repository.zoo.location=models/saved_model

之後，就可以在

http://localhost:8080/index.html

進行X射線圖像URL的診斷。要使用的示例圖像參考如下：

源碼在公衆号，背景回複機器學習源碼擷取

當機器學習遇見SpringBoot，不一樣的火花哦

前言

DJL

Maven 依賴

啟動類

配置類

Service層實作

Controller層實作

前端頁面

引入對應的js 、css

建立表單，送出資料

資料展示區域

對應的js代碼

運作應用

繼續閱讀

spark/scala關于【資源檔案】加載方法概述外部檔案加載方案測試資源檔案打包入jar包中小結

使用 ctypes 進行 Python 和 C 的混合程式設計

【python】【資料處理】畫多元資料分布圖

mybatis_入門程式Mybatis入門

JS生成uuid的四種方法

AOP程式設計_Android優雅權限架構(1)概念基礎，2021金三銀四前言正文大綱正文

Effective Java 8:通用程式設計

OOM三種類型

工廠模式-三種類型

【python】netconf協定對接管理裝置

「Python 網絡自動化」NETCONF —— Python 使用 NETCONF 管理配置 H3C 網絡裝置

【遞歸】高效率求2的n次幂

layui多任務上傳添加進度條

win10本地scala和spark安裝安裝scala安裝spark

scala (3) Function 和 Method

在python中建立excel并寫入