我目前正在开发一个用于人脸识别的服务器端Web应用程序（使用Spring Boot）。人脸检测应使用SSD进行，人脸识别则使用ArcFace。我进行了一些研究，发现与机器学习相关的工作最好使用Python来完成。因此，我研究的下一阶段是寻找将Python机器学习与Spring Boot应用程序结合的最佳方式。我认为有两种合适的方法：
-
使用预训练的TensorFlow模型（使用Maven的tensorflow依赖）。然而，每次系统中添加新的人脸时，都需要重新训练人脸识别模型。在Java中实现这一点的最佳方法是什么？我在考虑是否可以通过Java运行Python脚本来重新训练模型。
-
构建一个带有REST API的Python应用程序，并在本地主机上运行。Java只需向该REST API发送包含图像的命令，并获取结果（例如，我发送了30张图片并命令对这些图片进行人脸识别，然后获得识别出的人脸列表作为结果，或者发送10张新人的图片以添加到系统中，即应用程序将学习这张新面孔）。
您能对我提出的这两种方法哪一种更好以及原因给出一些意见吗？
附注：我不希望用Python构建整个Web应用程序的原因是我已经有了一些构建Spring Boot应用程序的经验，而对Python的经验很少。
回答：
作为一种通用方法，我建议在不同的进程中（使用Python）训练模型，一旦训练完成，就使用TensorFlow Java API在Java中加载它以进行服务（使用Spring Boot）。
此外，如果您无法承受任何停机时间，您可能需要一些机制来用新模型替换现有模型（例如，服务层可以在Kubernetes中部署）。
