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

集成Netty

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。

Python代码改动

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')

Netty程序

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));
    }
    

客户端代码

<!DOCTYPE html>
<html>
    <head>
        <meta charset="utf-8" />
        <title></title>
    </head>
    <body>
        
        <div>发送消息:</div>
        <input type="text" id="msgContent"/>
        <input type="button" value="点我发送" onclick="CHAT.chat()"/>
        
        <div>接受消息：</div>
        <div id="receiveMsg" style="background-color: gainsboro;"></div>
        
        <script type="application/javascript">
            
            window.CHAT = {
                socket: null,
                init: function() {
                    if (window.WebSocket) {
                        CHAT.socket = new WebSocket("ws://192.168.0.104:8088/ws");
                        CHAT.socket.onopen = function() {
                            console.log("连接建立成功...");
                        },
                        CHAT.socket.onclose = function() {
                            console.log("连接关闭...");
                        },
                        CHAT.socket.onerror = function() {
                            console.log("发生错误...");
                        },
                        CHAT.socket.onmessage = function(e) {
                            console.log("接受到消息：" + e.data);
                            var receiveMsg = document.getElementById("receiveMsg");
                            var html = receiveMsg.innerHTML;
                            receiveMsg.innerHTML = html + "<br/>" + e.data;
                        }
                    } else {
                        alert("浏览器不支持websocket协议...");
                    }
                },
                chat: function() {
                    var msg = document.getElementById("msgContent");
                    CHAT.socket.send(msg.value);
                }
            };
            
            CHAT.init();
            
        </script>
    </body>
</html>

测试结果

客户端发送消息

用户与AI日常互撩