REST APIへの組み込み（Spring Boot等との連携）

Deeplearning4j（DL4J）のモデルをREST APIとして提供し、JavaベースのWebフレームワークであるSpring Bootと連携させることで、モデルをWebサービスとしてデプロイ・実運用することが可能です。以下に、DL4JのモデルをSpring Bootを用いてREST API化する手順を詳しく説明します。

1. 前提条件

  • 学習済みモデル（.zipなど）をModelSerializerで保存済み

  • Java 8以上

  • Spring Bootプロジェクト（MavenまたはGradle）構築済み

2. 依存関係の追加

pom.xmlに以下の依存関係を追加します：

xml
<dependencies>
    <!-- Spring Boot Web -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>

    <!-- Deeplearning4j Core -->
    <dependency>
        <groupId>org.deeplearning4j</groupId>
        <artifactId>deeplearning4j-core</artifactId>
        <version>1.0.0</version>
    </dependency>

    <!-- ND4J（数値処理ライブラリ） -->
    <dependency>
        <groupId>org.nd4j</groupId>
        <artifactId>nd4j-native-platform</artifactId>
        <version>1.0.0</version>
    </dependency>
</dependencies>

3. モデルの読み込みクラス

java
@Component
public class ModelProvider {

    private MultiLayerNetwork model;

    @PostConstruct
    public void init() throws IOException {
        File modelFile = new File("model.zip");
        this.model = ModelSerializer.restoreMultiLayerNetwork(modelFile);
    }

    public MultiLayerNetwork getModel() {
        return model;
    }
}

4. コントローラクラスの作成（REST APIエンドポイント）

java
@RestController
@RequestMapping("/api/predict")
public class PredictionController {

    @Autowired
    private ModelProvider modelProvider;

    @PostMapping
    public ResponseEntity<?> predict(@RequestBody double[] inputArray) {
        INDArray input = Nd4j.create(inputArray);  // 1次元入力（例）
        input = input.reshape(1, input.length()); // バッチ次元の追加

        INDArray output = modelProvider.getModel().output(input);
        double[] result = output.toDoubleVector();

        return ResponseEntity.ok(result);
    }
}

5. 実行方法

通常のSpring Bootアプリケーションとしてmain()を起動します。

java
@SpringBootApplication
public class Dl4jApiApplication {
    public static void main(String[] args) {
        SpringApplication.run(Dl4jApiApplication.class, args);
    }
}

APIを起動後、例えば次のようなcurlコマンドで推論が可能です：

bash
curl -X POST -H "Content-Type: application/json" \
     -d '[0.1, 0.2, 0.3, 0.4]' \
     http://localhost:8080/api/predict

6. 本番運用上の注意点

  • 入力検証（バリデーション）：異常データを防ぐため、入力長や値域のチェックを行う。

  • 非同期処理：推論処理が重い場合は非同期化やスレッドプール制御の検討。

  • セキュリティ：API認証、CORS制限、通信のHTTPS化など。

  • スケーラビリティ：Spring BootアプリをDocker化し、Kubernetes等でスケール可能にする。

まとめ

Deeplearning4jのモデルは、Spring Bootを用いて容易にREST APIとして提供できます。これにより、Webアプリケーションや外部サービスからの推論要求を受け付け、リアルタイムに応答する機械学習APIを構築できます。本番運用を視野に入れる場合、セキュリティやパフォーマンスの最適化も重要な観点となります。

生成日：2025/05/23