JavaのTensorflow提供モデルからの行列応答を取得

Question

私は現在Pythonでモデルを構築しており、別のJavaクライアントから結果を取得しています。

float[][]またはList<List<Float>>（それに似たようなもの）を1次元以上のTensorProtoから入手するにはどうすればよいか知る必要があります。 =======

from tensorflow.python.framework import tensor_util 
. 
. 
. 
print tensor_util.MakeNdarray(tensorProto) 

===== UPDATE：

JavaのtensorProto.getFloatValList()はそれがあった場合は動作しません

Pythonでは、この仕事をするのは非常に簡単なことができPythonのtensor_util.make_tensor_proto(vector)によって作成されます。

すべての場合は、上記の@アッシュの答え

Answer 1

アレンはコメントで述べたように、これはおそらく良い機能要求であることによって解決することができます。

しかし、その間に、回避するには、コード化されたprotobufを解析し、Tensorを返すグラフを作成して実行することがあります。これは、特に効率的ではありませんが、あなたはこのような何かを行うことができ：あなたが見ることができるように、これはグラフとセッションを構築するためにいくつかの非常に低レベルのAPIを使用している

import org.tensorflow.*; 
import java.util.Arrays; 

public final class ProtoToTensor { 

    public static Tensor<Float> tensorFromSerializedProto(byte[] serialized) { 
    // One may way to cache the Graph and Session as member variables to avoid paying the cost of 
    // graph and session construction on each call. 
    try (Graph g = buildGraphToParseProto(); 
     Session sess = new Session(g); 
     Tensor<String> input = Tensors.create(serialized)) { 
     return sess.runner() 
      .feed("input", input) 
      .fetch("output") 
      .run() 
      .get(0) 
      .expect(Float.class); 
    } 
    } 

    private static Graph buildGraphToParseProto() { 
    Graph g = new Graph(); 
    // The graph construction process in Java is currently (as of TensorFlow 1.4) very verbose. 
    // Once https://github.com/tensorflow/tensorflow/issues/7149 is resolved, this should become 
    // *much* more convenient and succint. 
    Output<String> in = 
     g.opBuilder("Placeholder", "input") 
      .setAttr("dtype", DataType.STRING) 
      .setAttr("shape", Shape.scalar()) 
      .build() 
      .output(0); 
    g.opBuilder("ParseTensor", "output").setAttr("out_type", DataType.FLOAT).addInput(in).build(); 
    return g; 
    } 

    public static void main(String[] args) { 
    // Let's say you got a byte[] representation of the proto somehow. 
    // In this case, I got it from Python from the following program 
    // that serializes the 1x1 matrix: 
    /* 
    import tensorflow as tf 
    list(bytearray(tf.make_tensor_proto([[1.]]).SerializeToString())) 
    */ 
    byte[] bytes = {8, 1, 18, 8, 18, 2, 8, 1, 18, 2, 8, 1, 42, 4, 0, 0, (byte)128, 63}; 
    try (Tensor<Float> t = tensorFromSerializedProto(bytes)) { 
     // You can now get an float[][] array using t.copyTo(). 
     // t.shape() gives shape information. 
     System.out.println("Tensor: " + t); 
     float[][] f = t.copyTo(new float[1][1]); 
     System.out.println("float[][]: " + Arrays.deepToString(f)); 
    } 
    } 
} 

。

Tensor<Float> t = Tensor.createFromProto(serialized);