小编Wiw*_*web的帖子

由于两个依赖项之间存在一些不兼容性,我被迫制作了一个依赖项的着色版本.这意味着我的项目现在依赖于本地.jar文件.

我以前完全没问题,只需使用mvn install-file将.jar安装到我的本地存储库,然后再运行mvn install:

mvn org.apache.maven.plugins:maven-install-plugin:2.5.2:install-file -Dfile=lib/my-custom-jar-1.0.0.jar
mvn install

但是,我的项目现在将位于一个自动构建服务器上,该服务器只会执行mvn clean install其他操作.

通过寻找很长一段时间,我找到了几个解决方案,但没有一个是完美的.

我将在下面写下我发现的解决方案,但是我发布了这个问题,希望有人能更好地解决这个问题.

我使用高级Estimator API(DNNClassifier)在Python中构建并保存了一个非常简单的模型.它需要2个浮点数并输出两个类别中的一个.我正在尝试使用tensorflow.rb gem在Ruby中加载它,并使用它进行预测.这应该与tensorflow.rb提供的CAPTCHA示例非常相似.

我用它保存了它export_saved_model.以下是训练模型的Python代码.它可以正确预测类.

将numpy导入为np import pandas as pd import tensorflow as tf

dataframe = pd.read_csv("remediations_import.csv", sep=",")
dataframe = dataframe.reindex(
    np.random.permutation(dataframe.index))

STEPS = 5000
BATCH_SIZE = 10
SAVED_MODEL_FOLDER = 'saved_model'
FEATURE_1 = 'Float_input_1'
FEATURE_2 = 'Float_input_2'
LABEL = "Human_label"

my_feature_data = dataframe[[FEATURE_1, FEATURE_2]]
targets = dataframe[LABEL]

feature_columns = [tf.feature_column.numeric_column(FEATURE_1),
                   tf.feature_column.numeric_column(FEATURE_2)]

features = {key: np.array(value) for key, value in dict(my_feature_data).items()}
training_input_fn = tf.estimator.inputs.numpy_input_fn(x=features,
                                                       y=targets.as_matrix(),
                                                       batch_size=BATCH_SIZE,
                                                       shuffle=True)

classifier = tf.estimator.DNNClassifier(
    feature_columns=feature_columns,
    hidden_units=[10, 10],
    n_classes=2,
    model_dir=SAVED_MODEL_FOLDER)

classifier.train( …