三分钟体验：SpringBoot用深度学习模型识别数字

–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

6. 镜像文件有点大(九百多兆…)，请您耐心等待，主要是dl4j的依赖库太大了

7. 当控制台输出如下内容，表示启动成功，并且加载模型成功：

2021-06-29 10:51:55.744 INFO 1 — [ main] w.s.c.ServletWebServerApplicationContext : Root WebApplicationContext: initialization completed in 1748 ms

2021-06-29 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] backend

2021-06-29 10:51:58.397 INFO 1 — [ main] org.nd4j.nativeblas.NativeOpsHolder : Number of threads used for linear algebra: 1

2021-06-29 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 support

2021-06-29 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 details

2021-06-29 10:51:58.399 WARN 1 — [ main] o.n.l.cpu.nativecpu.CpuNDArrayFactory : Or set environment variable ND4J_IGNORE_AVX=true to suppress this warning

2021-06-29 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: 1

2021-06-29 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)

• 现在SpringBoot应用启动成功了，我们来试试识别图片的功能，这个应用提供了两个接口，分别可以测试白底黑字和黑底白字

识别白底黑字

• 准备一张白底黑字的png图片(画图板，截图工具都可以)，例如下面这张：

• 白底黑字识别服务的地址是IP地址:18080/predict-with-white-background，用postman操作如下图，请按照数字顺序操作1-6，可见输入很简单，就一个字段，返回值就是识别结果，符合预期：

识别黑底白字

• 接下来试试黑底白字，准备一张类似下图的png图片：

• 黑底白字识别服务的地址是IP地址:18080/predict-with-black-background，用postman操作如下图，请按照数字顺序操作1-6，返回结果是红框8中的数字，符合预期：

• 至此，SpringBoot结合深度学习模型的体验已经完成，一分钟概览，一分钟部署，一分钟体验，咱们足够高效(下载九百多兆镜像的时间不能算，不敢算…)

• 此刻您应该能感受到深度学习的魅力了，聪明的您当然会有很多疑问，例如：

1. 模型是怎么训练出来的？

2. java代码中如何使用这个模型？

3. 这些东西怎么做成docker镜像？

• 这些疑问会在《SpringBoot用深度学习模型识别数字：开发详解》一文完全揭秘，然后您也能轻易做出集成深度学习模型的SpringBoot应用，欢迎点击深入体验；

你不孤单，欣宸原创一路相伴

1. Java系列

2. Spring系列

3. Docker系列

4. kubernetes系列

5. 数据库+中间件系列

6. DevOps系列

总结

我们总是喜欢瞻仰大厂的大神们，但实际上大神也不过凡人，与菜鸟程序员相比，也就多花了几分心思，如果你再不努力，差距也只会越来越大。

面试题多多少少对于你接下来所要做的事肯定有点帮助，但我更希望你能透过面试题去总结自己的不足，以提高自己核心技术竞争力。每一次面试经历都是对你技术的扫盲，面试后的复盘总结效果是极好的！

面试题多多少少对于你接下来所要做的事肯定有点帮助，但我更希望你能透过面试题去总结自己的不足，以提高自己核心技术竞争力。每一次面试经历都是对你技术的扫盲，面试后的复盘总结效果是极好的！

[外链图片转存中…(img-dT7REOpq-1714548345865)]

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录