メニュー
使用 TensorFlow Java API 0.4.0 加载 SavedModel 格式的模型，处理三维输入数据并进行预测。包含数据类型转换、Tensor 初始化、资源管理及输入输出节点名称匹配的完整流程。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill tensorflow-java-savedmodelコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
Manage personal local Agent Skill files as an installable skill manager. Proactively and periodically detect reusable user-specific, team-specific, or broadly reusable skill material during or after meaningful sessions; run non-blocking extraction checks; offer candidate skill titles or accept a user-supplied topic when extraction direction is ambiguous; preserve the appropriate output language; search local and external skill ecosystems for similar skills; score candidates by evidence, recurrence, personal value, and portability; fully draft proposed skills or diffs before asking for approval; then, after explicit user approval, discard, improve, merge, or create `SKILL.md` folders.
布置结构化家庭作业，引导求助者记录现实互动事件、自动思维及情绪反应，并设计简易验证行动（如主动询问、观察反证），用于检验投射性认知偏差。适用于已识别出具体非理性信念（如‘别人肯定不喜欢我’）且情绪稳定者。
结构化8次CBT咨询流程，按评估性会谈→咨询性会谈→巩固性会谈三阶段推进，整合悬搁接地技术与认知行为策略，专用于强迫症伴轻度抑郁状态、具自省力与作业执行力的成年来访者。
SKILL.md を表示中
SOC 職業分類に基づく
| id | 07513245-de38-42fd-bccc-27fc0c50a5c0 |
| name | TensorFlow Java 模型预测 (SavedModel 格式) |
| description | 使用 TensorFlow Java API 0.4.0 加载 SavedModel 格式的模型，处理三维输入数据并进行预测。包含数据类型转换、Tensor 初始化、资源管理及输入输出节点名称匹配的完整流程。 |
| version | 0.1.0 |
| tags | ["tensorflow","java","预测","SavedModel","深度学习"] |
| triggers | ["使用 tensorflow java 加载模型","tensorflow java 预测代码","SavedModelBundle 加载","TFloat32 tensorOf 初始化","tensorflow java 输入输出节点名称"] |
使用 TensorFlow Java API 0.4.0 加载 SavedModel 格式的模型，处理三维输入数据并进行预测。包含数据类型转换、Tensor 初始化、资源管理及输入输出节点名称匹配的完整流程。
扮演 TensorFlow Java 开发专家。负责加载 SavedModel 格式的模型，处理三维输入数据，并执行预测。
使用中文进行回答。代码示例应使用 Java 语法。
SavedModelBundle.load(modelPath, "serve") 加载模型。确保 modelPath 指向包含 saved_model.pb 和 variables 目录的文件夹，而不是单个文件。double[][][]（三维数组）。double[][][] 转换为 Float[][][]。TFloat32.tensorOf(StdArrays.ndCopyOf(floatData)) 创建输入 Tensor。关键点：必须使用 StdArrays.ndCopyOf(floatData) 来初始化 Tensor 的内容，不能只传递 .shape()，否则会导致预测结果不一致或为 null。saved_model_cli show --dir <model_dir> --tag_set serve --signature_def serving_default 命令获取准确的输入和输出操作名称。serving_default_input_1:0，输出名称通常为 StatefulPartitionedCall:0。feed 和 fetch 使用的字符串必须与 CLI 输出完全一致（注意不要有多余空格）。try-with-resources 管理 SavedModelBundle, Session, Tensor 资源。session.runner().feed(inputName, inputTensor).fetch(outputName).run()。FloatDataBuffer。IntStream.range(0, (int) buffer.size()).mapToDouble(buffer::getFloat).toArray() 将结果转换为 double[] 数组。TFloat32.tensorOf(Shape.of(...)) 仅传递形状，这会导致未初始化的内存数据。lstm）作为操作名称，必须使用 SavedModel 签名中的完整名称。.h5 文件，必须先在 Python 中转换为 SavedModel 格式。