如何使用java客户端请求tensorflow服务；深度模型或如何使用java加载广域&；深度模型与预测？

我已经通过tensor flow成功地编写了python客户机来请求广度和深度模型，但我怀疑如何使用java来解决它，因为示例和文档太少了。 使用python我已经成功地运行了它，因为它可以传递Features Dict来告诉Tensor flow如何处理特性。如流：

 example = tf.train.Example(features=tf.train.Features(feature=feature_dict))
  serialized = example.SerializeToString()

  request.inputs['inputs'].CopyFrom(
        tf.contrib.util.make_tensor_proto(serialized, shape=[1]))
  result_future = stub.Predict.future(request, 1.0)

但是使用java我不知道如何通过特征dict告诉tensor flow_如何处理特征。我已经编写了java客户端，但是遇到了流错误，我没有通过特征映射

Nov 09, 2017 7:18:09 AM com.bj58.gul.model.entity.TestWideAndDeepModelClient predict
WARNING: RPC failed: Status{code=INVALID_ARGUMENT, description=Name: <unknown>, Feature: getGBDTDiffTimeBetweenItemShowTimeAndCreatedTime (data type: float) is required but could not be found.
     [[Node: ParseExample/ParseExample = ParseExample[Ndense=15, Nsparse=66, Tdense=[DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT], _output_shapes=[[?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?], [?]...TRUNCATED, cause=null}
Nov 09, 2017 7:18:09 AM io.grpc.internal.ManagedChannelImpl maybeTerminateChannel
INFO: [ManagedChannelImpl@3cb5cdba] Terminated
End of predict client

2017年11月9日上午7:18:09 com.bj58.gul.model.entity.testwide和deepmodel客户端预测
警告：RPC失败：状态{code=INVALID_参数，description=Name:，功能：getGBDTDiffTimeBetweenItemShowTimeAndCreatedTime（数据类型：float）是必需的，但找不到。
[[Node:ParseExample/ParseExample=ParseExample[Dendese=15，Nsparse=66，Tdense=[Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT，Dtu FLOAT]，[2]，[2]，[2]，[2]，[2]，[2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2], [?,2]，[？，2]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[？]，[
2017年11月9日上午7:18:09 io.grpc.internal.ManagedChannel Impl可能会终止频道
信息：[ManagedChannelImpl@3cb5cdba]终止
预测客户端结束

这里是一段伪代码片段，我设法使wide&deep model client（java）工作

前提条件：您已将导出的模型置于服务（）上

import com.google.common.collect.ImmutableMap；
导入com.google.protobuf.ByteString；
导入com.google.protobuf.Int64Value；
导入org.tensorflow.example.*；
导入org.tensorflow.framework.DataType；
导入org.tensorflow.framework.TensorProto；
导入org.tensorflow.framework.TensorShapeProto；
导入org.tensorflow.framework.TensorShapeProto.Dim；
导入tensorflow.serving.Model.ModelSpec；
导入tensorflow.serving.Predict.PredictRequest；
导入tensorflow.serving.Predict.PredictResponse；
导入tensorflow.serving.PredictionServiceGrpc.PredictionServiceBlockingStub；
……（这里忽略了类和函数的声明，只显示了下面的核心部分）
私有静态最终PredictionServiceBlockingStub=PredictionServiceGrpc.newBlockingStub（新强制死线通道（TF_服务_主机，TF_服务_端口，5000））；
私有HashMap inputFeatureMap=新HashMap（）；
私有ByteString输入str；
整数modelVer=123；
......
对于（要素列表中的每个要素）{
特征=null；
if（类型为string）{
feature=feature.newBuilder（）.setByTestList（BytesList.newBuilder（）.addValue（ByteString.copyFromUtf8（“伪字符串”））.build（）；
}else if（输入if浮点）{
feature=feature.newBuilder（）.setFloatList（FloatList.newBuilder（）.addValue（3.1415f））.build（）；
}else if（类型为int）{
feature=feature.newBuilder（）.setInt64List（Int64List.newBuilder（）.addValue（1l））.build（）；
}
如果（功能！=null）{
inputFeatureMap.put（名称、特征）；
}
Features=Features.newBuilder（）.PutalFeature（inputFeatureMap.build（）；
inputStr=Example.newBuilder（）.setFeatures（features）.build（）.toByteString（）；
}
TensorProto proto=TensorProto.newBuilder（）
.addStringVal（inputStr）
.setTensorShape（TensorShapeProto.newBuilder（）.addDim（TensorShapeProto.Dim.newBuilder（）.setSize（1.build（））.build（））
.setDtype（数据类型.DT_字符串）
.build（）；
PredictRequest req=PredictRequest.newBuilder（）
.setModelSpec（ModelSpec.newBuilder（）
.setName（“您的服务型号名称”）
.setSignatureName（“默认服务”）
.setVersion（Int64Value.newBuilder（）.setValue（modelVer）））
.putalInputs（不可变映射（“输入”，proto））
.build（）；
PredictResponse响应=存根预测（req）；
System.out.println（response.getOutputsMap（））；
......

非常感谢，我用同样的方法解决了这个问题

import com.google.common.collect.ImmutableMap;
import com.google.protobuf.ByteString;
import com.google.protobuf.Int64Value;
import org.tensorflow.example.*;
import org.tensorflow.framework.DataType;
import org.tensorflow.framework.TensorProto;
import org.tensorflow.framework.TensorShapeProto;
import org.tensorflow.framework.TensorShapeProto.Dim;
import tensorflow.serving.Model.ModelSpec;
import tensorflow.serving.Predict.PredictRequest;
import tensorflow.serving.Predict.PredictResponse;
import tensorflow.serving.PredictionServiceGrpc.PredictionServiceBlockingStub;

......(here the declare of class and function is neglected, only showing the core part below)

private static final PredictionServiceBlockingStub stub = PredictionServiceGrpc.newBlockingStub(new ForceDeadlineChannel(TF_SERVICE_HOST, TF_SERVICE_PORT, 5000));
private HashMap<String, Feature> inputFeatureMap = new HashMap();
private ByteString inputStr;
Integer modelVer = 123;

......

for (each feature in feature list) {
    Feature feature = null;
        if (type is string) {
            feature = Feature.newBuilder().setBytesList(BytesList.newBuilder().addValue(ByteString.copyFromUtf8("dummy string"))).build();
        } else if (type if float) {
            feature = Feature.newBuilder().setFloatList(FloatList.newBuilder().addValue(3.1415f)).build();
        } else if (type is int) {
            feature = Feature.newBuilder().setInt64List(Int64List.newBuilder().addValue(1l)).build();
        }
        if (feature != null) {
            inputFeatureMap.put(name, feature);
        }
        Features features = Features.newBuilder().putAllFeature(inputFeatureMap).build();
        inputStr = Example.newBuilder().setFeatures(features).build().toByteString();
}

TensorProto proto = TensorProto.newBuilder()
            .addStringVal(inputStr)
            .setTensorShape(TensorShapeProto.newBuilder().addDim(TensorShapeProto.Dim.newBuilder().setSize(1).build()).build())
            .setDtype(DataType.DT_STRING)
            .build();

PredictRequest req = PredictRequest.newBuilder()
            .setModelSpec(ModelSpec.newBuilder()
                    .setName("your serving model name")
                    .setSignatureName("serving_default")
                    .setVersion(Int64Value.newBuilder().setValue(modelVer)))
            .putAllInputs(ImmutableMap.of("inputs", proto))
            .build();

PredictResponse response = stub.predict(req);

System.out.println(response.getOutputsMap());
......