java/README.md · 胡紫娟/lac

LAC的Java调用

JAVA的接口是通过jni的形式调用C++的接口，除了我们预先提供的模型之外，还可直接调用Python进行增量训练后保存的模型。因为使用的是C++的接口的jni调用，故而在使用前需要准备Paddle依赖库，并产出lacjni的动态库

代码示例

// 选择不同的模型进行装载
LAC lac = new LAC("lac_model");

// 可选，装载干预词典
lac.loadCustomization("custom.txt")

// 声明返回结果的变量
ArrayList<String> words = new ArrayList<>();
ArrayList<String> tags = new ArrayList<>();

// 执行并返回结果
lac.run("百度是一家高科技公司", words, tags);
System.out.println(words);
System.out.println(tags);

编译与运行

1. 依赖库准备

LAC是基于Paddle训练所得的模型，需依赖Paddle的预测库，可通过下载预编译好的库或进行源码编译两种形式获取

直接下载

Windows：可于Paddle官网下载已经编译好的Windows预测库（fluid_inference.tgz），选择合适版本进行下载并解压
Linux：可于Paddle官网下载已经编译好的Linux预测库（fluid_inference.tgz），选择合适版本进行下载并解压
MacOS: 可于release界面下载已经编译好的Mac预测库（paddle_library_mac.zip），下载并解压

因官网未提供预编译好的MacOS预测库，为了方便开发者使用，我们自行编译并上传该库。如有需要亦可参考源码编译的内容进行自行编译。

源码编译

对于上述预编译库无法适配的系统，可基于源码进行编译。

下面提供了编译预测库的脚本，需要安装cmake，并修改脚本中的PADDLE_ROOT变量为保存路径后可直接运行。如果有什么问题，可参照Paddle官网中关于此部分内容的介绍。

# 下载源码
git clone https://github.com/PaddlePaddle/Paddle.git

# 选择其中一个稳定的分支
cd Paddle
git checkout v1.6.2

# 创建并进入build目录
mkdir build
cd build

# 编译结果保存路径，需要需改
PADDLE_ROOT=/path/of/paddle

# 编译运行
cmake -DFLUID_INFERENCE_INSTALL_DIR=$PADDLE_ROOT \
      -DCMAKE_BUILD_TYPE=Release \
      -DWITH_PYTHON=OFF \
      -DWITH_MKL=OFF \
      -DWITH_GPU=OFF  \
      -DON_INFER=ON \
      ../
      
 make
 make inference_lib_dist

2. jni编译，生成Java调用包

此处介绍主要面向Mac和Linux用户，Windows系统下的编译依赖于Visual Studio【大于或等于2015版本】，可参考Windows编译文档进行编译，我们也在release中提供了一个基于mkldnn编译好的库lac4javawin.zip，以便大家使用。

我们编写了jni调用c++库的接口，需要先编译生成Java可直接调用的包，通过cmake去完成该过程。安装cmake后，修改下列脚本中PADDLE_ROOT变量和JAVA_HMOE变量后，直接运行即可完成该过程：

PADDLE_ROOT为1.依赖库准备中得到的依赖库文件夹的路径
JAVA_HMOE为JAVA安装所在路径，该目录中应有include/jni.h文件

# 代码下载
git clone https://github.com/baidu/lac.git
cd lac

# /path/to/paddle是第1步中获取的Paddle依赖库路径
# 即下载解压后的文件夹路径或编译产出的文件夹路径
PADDLE_ROOT=/path/of/paddle

# JAVA的HOME目录，应存在文件${JAVA_HOME}/include/jni.h
JAVA_HOME=/path/of/java

# 编译
mkdir build 
cd build
cmake -DPADDLE_ROOT=$PADDLE_ROOT \
      -DJAVA_HOME=$JAVA_HOME \
      -DWITH_JNILIB=ON \
      -DWITH_DEMO=OFF \
      ../

make install # 编译产出在 ../output/java 下

3. 运行测试

执行完上述编译后，我们可以在output/java目录下查看到com.baidu.nlp的Java库以及单线程调用示例LacDemo.java及多线程调用示例LacMulti.java，我们可以直接运行这两个示例进行调用测试

下载模型文件：

在release界面下载模型文件models_general.zip，解压文件夹中包含两个模型
- seg_model：仅实现分词的模型
- lac_model：实现分词、词性标注、实体识别于一体的词法分析模型
运行Java的demo：

# 运行单线程测试
javac LacDemo.java
java LacDemo <model_dir>

# 运行多线程测试
javac LacMulti.java
java LacMulti <model_dir> <thread_num>
# model_dir: 模型文件路径，即上述下载解压后的路径，如 "./models_general/lac_model"

程序从标准输入逐行读取句子，然后给出句子的分析结果。

示例输入： 百度是一家高科技公司

示例输出： 百度/ORG 是/v 一家/m 高科技/n 公司/n

胡紫娟 / lac

LAC的Java调用

代码示例

编译与运行

1. 依赖库准备

直接下载

源码编译

2. jni编译，生成Java调用包

3. 运行测试

简介

发行版

贡献者

近期动态

胡紫娟 / lac .gitee-modal { width: 500px !important; }

LAC的Java调用

代码示例

编译与运行

1. 依赖库准备

直接下载

源码编译

2. jni编译，生成Java调用包

3. 运行测试

简介

发行版

贡献者

近期动态

搜索帮助

胡紫娟 / lac