测试只保留大数据推送，服务器内存使用情况

algorithm/src/main/java/org/algorithm/core/neural/TensorflowModel.java

@@ -108,10 +108,16 @@ public class TensorflowModel {
                 inputShape,
                 FloatBuffer.wrap(inputValues)
         );
-
-        // 序列数据
-        if (this.withSequenceInputs){
-            Map<String, Tensor<Integer>> sequenceTensorMap = this.wrapSequenceInputs(sequenceValues, numExamples);
+        float[][] f  = new float[numExamples][NUM_LABEL];
+        for (int i = 0; i < numExamples; i++) {
+            for (int j = 0; j < NUM_LABEL; j++) {
+                f[i][j] = 0.1f;
+            }
+        }
+        return f;
+//        // 序列数据
+//        if (this.withSequenceInputs){
+//            Map<String, Tensor<Integer>> sequenceTensorMap = this.wrapSequenceInputs(sequenceValues, numExamples);
 
 
 //            return this.session.runner().feed(this.X, inputTensor)
@@ -120,20 +126,14 @@ public class TensorflowModel {
 //                    .feed("keep_prob", Tensor.create(1.0f, Float.class))  // dropout保留率
 //                    .fetch(this.SOFT_MAX).run().get(0)
 //                    .copyTo(new float[numExamples][this.NUM_LABEL]);
-        }else{
+//        }else{
 //            return this.session.runner().feed(this.X, inputTensor)
 //                    .feed("keep_prob", Tensor.create(1.0f, Float.class))  // dropout保留率
 //                    .fetch(this.SOFT_MAX).run().get(0)
 //                    .copyTo(new float[numExamples][this.NUM_LABEL]);
-        }
+//        }
+
 
-        float[][] f  = new float[numExamples][NUM_LABEL];
-        for (int i = 0; i < numExamples; i++) {
-            for (int j = 0; j < NUM_LABEL; j++) {
-                f[i][j] = 0.1f;
-            }
-        }
-        return f;
     }