TensorFlow + Java：企业领域的机器学习

JAXenter：让我们从一个更笼统的问题开始-为什么在企业环境中将Java与机器学习结合使用是值得的？ 有什么优势？如何使用Java？为什么不只使用Python？

Christoph Henkelmann ：对于初学者，您必须要小心。 Java并不总是比Python更好。 一种语言不要过于教条，因为可以使用多种语言。

在此示例中，我特别关注Java，因为那里有许多Java实现的系统。 这尤其适用于企业部门，即运行重要系统的大公司部门。 如果我有一个系统，并且希望使用（例如）机器学习功能对其进行扩展，那么可以将它们集成到此现有结构中就很好了。 一方面，有技术上的优势，因为我的依赖较少，整个过程也不会太复杂。 如果我有20个应用程序服务器，则无论如何我都不必维护Python安装（如果我已经拥有Java运行时）。

Java是企业最重要的语言之一。

另一方面，业务原则非常重要。 Java是最重要的商业语言之一。 例如，如果您想销售新产品（例如机器学习产品）或将机器学习作为服务提供商实施，那么客户也很容易拥有Java解决方案。 首先，在政治层面上，因为建立了Java。 人们很满足，整个事情都是安全的。 其次，存在一些技术优势。 但是，它随后进入了个人品味的领域。 Java非常好，快速并且适用于Web，因此这不是一个坏主意。 但是，当然，您可以采用其他任何方式。

JAXenter：如果您想在Java服务器上运行TensorFlow模型，那么关于工作流程，您需要考虑什么？

Christoph Henkelmann：通常，这取决于情况，但是预处理是非常重要的一点。 这很重要，因为如果要训练模型，必须预先预处理数据。 这种预处理通常是模型质量中最重要的部分。 当然，我必须确保在实时运行模型时具有完全相同的预处理，尤其是在使用另一种编程语言的情况下。

在这里，我有两个选择：要么将预处理作为模型的一部分，要么必须确保重新创建可以用Java编写Python的预处理部分。 我必须再次强调这部分的重要性。

预处理非常重要。

另一个问题与组织性质有关，并且在很大程度上取决于我模型的规模。 如果我的模型不能超过几兆字节，那么可以将其放入WAR（Web应用程序档案库）或Java工件中，并具有正常的工作流程。 基本上，这就像与为我的Web应用程序提供资产的设计师合作，例如背景图形。 我从机器学习团队那里获得了一个ZIP文件，其中包含所有内容。

最后，我学习了如何加载所有这些并将其放入我的应用程序。

当我的模型变得非常庞大时，它将变得更加令人兴奋。 但是，我还没有实践过。 然后，您必须要小心，因为可能有一个包含400至500 MB数据的存档，并且必须在所有应用程序储备中将其提供。 但是同样，我如何组织我的工作流程更可能是组织问题，而不是技术问题。

JAXenter：这当然是一个令人兴奋的话题，但我们通常希望将重点放在Java服务器上的TensorFlow问题上。 您是否在这种情况下使用任何其他工具或软件？ 您的堆栈是什么样的？

Christoph Henkelmann：关于我的书架 -我使用Jupyter笔记本电脑是因为我可以访问许多可能的可视化工具，在Python中使用可视化工具仍然比在Java中更容易使用。 然后，我有一个Python会话，可以用经典的方式进行工作，就像所有教程中都显示的那样。 如果数据越来越大，那么我需要大量数据，我只是简单地手动编写预处理程序，例如使用Java命令行应用程序，因为Python中的简单预循环有时会花费很长时间。 这与Java相反，后者速度很快。 这意味着，如果我必须预处理大量数据，并且知道预处理的运行方式，那么我有时会用Java编写数据，因为运行起来速度更快。

我只是遇到这样的情况，在Python中进行预处理需要30分钟以上，而在Java中则需要1分钟。 当然，我可以使用它来改进和调整预处理。 当我将某些东西投入生产并必须利用我的堆栈时，我使用的内容还取决于我要执行的操作–如果创建Web应用程序，则使用Ninja Web框架；如果是中间件，则使用Apache CXF。

但是我也使用其他框架。 在大多数情况下，将需要数据库，并且我更喜欢使用jOOQ，而不是Hibernate。 这是一个相当普通的标准Java实用程序框架，没有什么比这更好的了。 开发TensorFlow模型时使用TensorBoard仅重要，因为它可以节省大量时间。 这使得开发和调试更加有趣。

我只是遇到这样的情况，在Python中进行预处理需要30分钟以上，而在Java中则需要1分钟。

JAXenter：您提到Java是一种网络语言。 如果您想为移动部门实施类似的解决方案，将会是什么样？

Christoph Henkelmann：当我们谈论Android时，理论上我们会使用Java，但是运行Java的环境却完全不同。 现在，当我想在移动环境中使用TensorFlow时，我首先要使用Google的TensorFlow Lite Line。 不一定一定要好，但这就是Google计划在IOS和Android中进行部署的目的。 但是，我不太确定其他平台。 经过专门优化，可以在移动设备上运行。

JAXenter： 机器学习领域中是否有新的大趋势，或者您现在感兴趣的是任何令人兴奋的工具？

Christoph Henkelmann：从算法上来说，我还没有很多时间来使用它。 当前特别令人兴奋的两件事之一是注意。 顾名思义，注意力使我的机器学习过程将注意力集中在输入的某些部分，而不是一视同仁。 那很有趣。

所谓的对抗网络也很有趣。 我认为目前它们确实令人兴奋，因为我认为它们非常适合生成人工训练数据。 数据越多越好，如果我可以生成数据，那将是完美的。 考虑到这项技术，尽管我具有Java的背景以及如何在Linux服务器上更加活跃，但我接下来确实要看的是CNTK。 但是当然，只有在Microsoft强迫自己为其创建mac版本时。 我已经在2017年机器学习大会上提到过TensorFlow API并不总是很好。 我还看了关于CNTK的纪录片，是的，这很好。 我希望能够尽快使用它。

JAXenter：CNTK可能有哪些用例？

Christoph Henkelmann：微软的CNTK与Google的TensorFlow基本相同-更加注重语言。 最后，尽管如此，许多算法都是相似甚至相同的。

JAXenter：谢谢！

翻译自: https://jaxenter.com/tensorflow-java-machine-learning-for-enterprise-142939.html