引入Redis|tensorflow實現 聊天AI--PigPig養成記(3)

摘要： 引入Redis 專案github連結 在整合Netty之後，為了提高效率，我打算將訊息儲存在Redis快取系統中，本節將介紹Redis在專案中的引入，以及前端介面的開發。 引入Redis後， 完整程式碼連結 。 想要直接得到訓練了13000步的聊天機器人可以直接下載 ...

引入Redis

專案github連結

在整合Netty之後，為了提高效率，我打算將訊息儲存在Redis快取系統中，本節將介紹Redis在專案中的引入，以及前端介面的開發。

引入Redis後， 完整程式碼連結 。

想要直接得到訓練了13000步的聊天機器人可以直接下載 連結 中

這三個檔案，以及詞彙表文件

然後直接執行連線中的py指令碼進行測試即可。

最終實現效果如下：

在Netty中引入Redis

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.time.LocalDateTime;

import io.netty.channel.ChannelHandlerContext;
import io.netty.channel.SimpleChannelInboundHandler;
import io.netty.channel.group.ChannelGroup;
import io.netty.channel.group.DefaultChannelGroup;
import io.netty.handler.codec.http.websocketx.TextWebSocketFrame;
import io.netty.util.concurrent.GlobalEventExecutor;
import redis.clients.jedis.Jedis;

public class ChatHandler 
extends SimpleChannelInboundHandler<TextWebSocketFrame>{
private static ChannelGroup clients=
new DefaultChannelGroup(GlobalEventExecutor.INSTANCE);

@Override
protected void channelRead0(ChannelHandlerContext ctx, TextWebSocketFrame msg) throws Exception {
System.out.println("channelRead0...");

//連線redis
Jedis jedis=new Jedis("localhost");
System.out.println("連線成功...");
System.out.println("服務正在執行："+jedis.ping());

//得到使用者輸入的訊息，需要寫入檔案/快取中，讓AI進行讀取
String content=msg.text();
if(content==null||content=="") {
System.out.println("content 為null");
return ;
}
System.out.println("接收到的訊息："+content);

//寫入快取中
jedis.set("user_say", content+":user");

Thread.sleep(1000);
//讀取AI返回的內容
String AIsay=null;
while(AIsay=="no"||AIsay==null) {
//從快取中讀取AI回覆的內容
AIsay=jedis.get("ai_say");
String [] arr=AIsay.split(":");
AIsay=arr[0];
}

//讀取後馬上向快取中寫入
jedis.set("ai_say", "no");
//沒有說，或者還沒說
if(AIsay==null||AIsay=="") {
System.out.println("AIsay==null||AIsay==\"\"");
return;
}
System.out.println("AI說："+AIsay);

clients.writeAndFlush(
new TextWebSocketFrame(
"AI_PigPig在"+LocalDateTime.now()
+"說："+AIsay));
}

@Override
public void handlerAdded(ChannelHandlerContext ctx) throws Exception {
System.out.println("add...");
clients.add(ctx.channel());
}

@Override
public void handlerRemoved(ChannelHandlerContext ctx) throws Exception {
System.out.println("客戶端斷開，channel對應的長id為："
+ctx.channel().id().asLongText());
System.out.println("客戶端斷開，channel對應的短id為："
+ctx.channel().id().asShortText());
}
 
}

在Python中引入Redis

with tf.Session() as sess:#開啟作為一次會話
# 恢復前一次訓練
ckpt = tf.train.get_checkpoint_state('.')#從檢查點檔案中返回一個狀態(ckpt)
#如果ckpt存在，輸出模型路徑
if ckpt != None:
print(ckpt.model_checkpoint_path)
model.saver.restore(sess, ckpt.model_checkpoint_path)#儲存模型引數
else:
print("沒找到模型")
r.set('user_say','no')
#測試該模型的能力
while True:
line='no'
#從快取中進行讀取
while line=='no':
line=r.get('user_say').decode()
#print(line)
list1=line.split(':')
if len(list1)==1:
input_string='no'
else:
input_string=list1[0]
r.set('user_say','no')


# 退出
if input_string == 'quit':
exit()
if input_string != 'no':
input_string_vec = []#輸入字串向量化
for words in input_string.strip():
input_string_vec.append(vocab_en.get(words, UNK_ID))#get()函式：如果words在詞表中，返回索引號；否則，返回UNK_ID
bucket_id = min([b for b in range(len(buckets)) if buckets[b][0] > len(input_string_vec)])#保留最小的大於輸入的bucket的id
encoder_inputs, decoder_inputs, target_weights = model.get_batch({bucket_id: [(input_string_vec, [])]}, bucket_id)
#get_batch(A,B):兩個引數，A為大小為len(buckets)的元組，返回了指定bucket_id的encoder_inputs,decoder_inputs,target_weights
_, _, output_logits = model.step(sess, encoder_inputs, decoder_inputs, target_weights, bucket_id, True)
#得到其輸出
outputs = [int(np.argmax(logit, axis=1)) for logit in output_logits]#求得最大的預測範圍列表
if EOS_ID in outputs:#如果EOS_ID在輸出內部，則輸出列表為[,,,,:End]
outputs = outputs[:outputs.index(EOS_ID)]

response = "".join([tf.compat.as_str(vocab_de[output]) for output in outputs])#轉為解碼詞彙分別新增到回覆中
print('AI-PigPig > ' + response)#輸出回覆
#向快取中進行寫入
r.set('ai_say',response+':AI')

下一節將講述通訊規則的制定，以規範應用程式。