集成Netty|tensorflow实现 聊天AI--PigPig养成记(2)

摘要：集成项目链接通过上一节的学习我们已经可以训练得到一只傲娇的聊天了。本章将介绍项目关于的集成问题，在集成之后，我们的可以通过应用与大家日常互撩。由于只是一个小测试，所以不考虑性能方面的问题，在下一章我们将重点处理效率难关，集成。

项目github链接

通过上一节的学习我们已经可以训练得到一只傲娇的聊天AI_PigPig了。

本章将介绍项目关于Netty的集成问题，在集成Netty之后，我们的AI_PigPig可以通过web应用与大家日常互撩。
由于只是一个小测试，所以不考虑性能方面的问题，在下一章我们将重点处理效率难关，集成Redis。

关于Netty的学习大家可以看我的另一篇文章，本节中关于Netty部分的代码改编自该文章中的netty聊天小练习，文章中会有详细的讲解。

首先对测试训练结果的代码进行改动，将输入输出流重定向自作为中间媒介的测试文件中。

完整代码链接

with tf.Session() as sess:#打开作为一次会话
    # 恢复前一次训练
    ckpt = tf.train.get_checkpoint_state(".")#从检查点文件中返回一个状态(ckpt)
    #如果ckpt存在，输出模型路径
    if ckpt != None:
        print(ckpt.model_checkpoint_path)
        model.saver.restore(sess, ckpt.model_checkpoint_path)#储存模型参数
    else:
        print("没找到模型")
    #测试该模型的能力
    while True:
        #从文件中进行读取
        #input_string = input("me > ")
        #测试文件输入格式为"[内容]:[名字]"
        #eg.你好:AI【表示AI的回复】
        #你好:user【表示用户的输入】
        with open("./temp.txt","r+",encoding="ANSI") as myf:
            #从文件中读取用户的输入
            line=myf.read()
            list1=line.split(":")
            #长度为一，表明不符合输入格式，设置为"no",则不进行测试处理
            if len(list1)==1:
                input_string="no"
            else:
                #符合输入格式，证明是用户输入的
                #input_string为用户输入的内容
                input_string=list1[0]
                myf.seek(0)
                #清空文件
                myf.truncate()
                #写入"no"，若读到"no"，则不进行测试处理
                myf.write("no")
             
        
    # 退出
        if input_string == "quit":
           exit()
        #若读到"no",则不进行测试处理
        if input_string != "no":
            input_string_vec = []#输入字符串向量化
            for words in input_string.strip():
                input_string_vec.append(vocab_en.get(words, UNK_ID))#get()函数：如果words在词表中，返回索引号；否则，返回UNK_ID
                bucket_id = min([b for b in range(len(buckets)) if buckets[b][0] > len(input_string_vec)])#保留最小的大于输入的bucket的id
                encoder_inputs, decoder_inputs, target_weights = model.get_batch({bucket_id: [(input_string_vec, [])]}, bucket_id)
                #get_batch(A,B):两个参数，A为大小为len(buckets)的元组，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)
                #得到其输出
                outputs = [int(np.argmax(logit, axis=1)) for logit in output_logits]#求得最大的预测范围列表
                if EOS_ID in outputs:#如果EOS_ID在输出内部，则输出列表为[,,,,:End]
                    outputs = outputs[:outputs.index(EOS_ID)]
             
                response = "".join([tf.compat.as_str(vocab_de[output]) for output in outputs])#转为解码词汇分别添加到回复中
                print("AI-PigPig > " + response)#输出回复
                #将AI的回复以要求的格式进行写入,方便Netty程序读取
                with open("./temp1.txt","w",encoding="ANSI") as myf1:
                    myf1.write(response+":AI")

完整代码参见链接netty包下。

在原本的ChatHandler类中添加了从文件中读取数据的方法readFromFile，以及向文件中覆盖地写入数据的方法writeToFile。

    //从文件中读取数据
    private static String readFromFile(String filePath) {
        File file=new File(filePath);
        String line=null;
        String name=null;
        String content=null;
        try {
            //以content:name的形式写入
            BufferedReader br=new BufferedReader(new FileReader(file));
            line=br.readLine();
            String [] arr=line.split(":");
            if(arr.length==1) {
                name=null;
                content=null;
            }else {
                content=arr[0];
                name=arr[1];
            }
            br.close();
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return content;
    }
    
    //向文件中覆盖地写入
    private static void writeToFile(String filePath,String content) {
        File file =new File(filePath);
        try {
            FileWriter fileWriter=new FileWriter(file);
            fileWriter.write("");
            fileWriter.flush();
            fileWriter.write(content);
            fileWriter.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
        
    }

对原来的channelRead0方法进行修改，将输入输出流重定向到临时文件中。

    @Override
    protected void channelRead0(ChannelHandlerContext ctx, TextWebSocketFrame msg) throws Exception {
        System.out.println("channelRead0");
        //得到用户输入的消息，需要写入文件/缓存中，让AI进行读取
        String content=msg.text();
        if(content==null||content=="") {
            System.out.println("content 为null");
            return ;
        }
        System.out.println("接收到的消息："+content);
        //写入
        writeToFile(writeFilePath, content+":user");
        //给AI回复与写入的时间，后期会增对性能方面进行改进
        Thread.sleep(1000);
        //读取AI返回的内容
        String AIsay=readFromFile(readFilePath);
        //读取后马上写入
        writeToFile(readFilePath,"no");
        //没有说，或者还没说
        if(AIsay==null||AIsay==""||AIsay=="no") {
            System.out.println("AIsay为空或no");
            return;
        }
        System.out.println("AI说："+AIsay);
        
        clients.writeAndFlush(
                new TextWebSocketFrame(
                        "AI_PigPig在"+LocalDateTime.now()
                        +"说："+AIsay));
    }
    

    
        
        
    
    
        
        
发送消息:
        
        
        
        
接受消息：
        

        
        
    

客户端发送消息

用户与AI日常互撩