MLServices端點

MLService是已發佈的訓練模型，可讓您的組織存取和重複使用先前開發的模型。 MLServices的主要功能是能夠依計畫自動化培訓與計分。排程的訓練執行可協助維持模型的效率和正確性，而排程的計分執行則可確保產生一致的新見解。

自動培訓和計分計畫定義有開始時間戳記、結束時間戳記和表示為cron表達式的頻率。可在建立MLService或更新現有MLService時定義計畫。

建立MLService

您可以執行POST請求和裝載來建立MLService，此裝載提供服務名稱和有效的MLInstance ID。建立MLService時所使用的MLInstance不需要有現有的訓練實驗，但您可以提供對應的實驗ID和訓練執行ID，選擇使用現有的訓練模型來建立MLService。

API格式

POST /mlServices

請求

curl -X POST \
    https://platform.adobe.io/data/sensei/mlServices \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}' \
    -H 'content-type: application/vnd.adobe.platform.sensei+json; profile=mlService.v1.json' \
    -d '{
        "name": "A name for this MLService",
        "description": "A description for this MLService",
        "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
        "trainingDataSetId": "5ee3cd7f2d34011913c56941",
        "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
        "trainingExperimentRunId": "33408593-2871-4198-a812-6d1b7d939cda",
        "trainingSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        },
        "scoringSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        }
    }'

屬性	說明
`name`	MLService的所需名稱。與此MLService對應的服務將繼承此值，該值將作為服務的名稱顯示在服務庫UI中。
`description`	MLService的選用說明。與此MLService對應的服務將繼承此值，該值將作為服務的說明顯示在服務庫UI中。
`mlInstanceId`	有效的MLInstance ID。
`trainingDataSetId`	訓練資料集ID（若提供）將覆寫MLInstance的預設資料集ID。如果用來建立MLService的MLInstance未定義訓練資料集，您必須提供適當的訓練資料集ID。
`trainingExperimentId`	您可選擇提供的實驗ID。如果未提供此值，則建立MLService也會使用MLInstance的預設配置建立新實驗。
`trainingExperimentRunId`	您可選擇提供的訓練執行ID。如果未提供此值，則建立MLService也會使用MLInstance的預設培訓參數建立並執行培訓運行。
`trainingSchedule`	自動化訓練執行的排程。如果已定義此屬性，MLService會自動依排程執行訓練。
`trainingSchedule.startTime`	將開始執行計畫培訓的時間戳記。
`trainingSchedule.endTime`	排程培訓執行的時間戳記將會結束。
`trainingSchedule.cron`	定義自動培訓執行頻率的cron運算式。
`scoringSchedule`	自動計分執行的排程。如果已定義此屬性，MLService會自動在排程基礎上執行計分執行。
`scoringSchedule.startTime`	將開始執行排程計分的時間戳記。
`scoringSchedule.endTime`	排程計分執行的時間戳記將結束。
`scoringSchedule.cron`	定義自動計分執行頻率的cron運算式。

回應

成功的響應返回包含新建立的MLService的詳細資訊的負載，包括其唯一標識符(id)、訓練實驗ID(trainingExperimentId)、計分實驗ID(scoringExperimentId)和輸入訓練資料集ID(trainingDataSetId)。

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "trainingSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "scoringSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "updated": "2019-01-01T00:00:00.000Z"
}

檢索MLServices清單

您可以執行單一GET請求來擷取MLServices清單。若要協助篩選結果，您可以在請求路徑中指定查詢參數。有關可用查詢的清單，請參閱資產檢索查詢參數的附錄部分。

API格式

GET /mlServices
GET /mlServices?{QUERY_PARAMETER}={VALUE}
GET /mlServices?{QUERY_PARAMETER_1}={VALUE_1}&{QUERY_PARAMETER_2}={VALUE_2}

參數	說明
`{QUERY_PARAMETER}`	用於篩選結果的可用查詢參數之一。
`{VALUE}`	前面查詢參數的值。

請求

下列請求包含查詢並擷取共用相同MLInstance ID({MLINSTANCE_ID})的MLServices清單。

curl -X GET \
    'https://platform.adobe.io/data/sensei/mlServices?property=mlInstanceId==46986c8f-7739-4376-8509-0178bdf32cda' \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

回應

成功的回應會傳回MLServices及其詳細資訊的清單，包括其MLService ID({MLSERVICE_ID})、訓練實驗ID({TRAINING_ID})、計分實驗ID({SCORING_ID})，以及輸入訓練資料集ID({DATASET_ID})。

{
    "children": [
        {
            "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
            "name": "A service created in UI",
            "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
            "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
            "trainingDataSetId": "5ee3cd7f2d34011913c56941",
            "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
            "created": "2019-01-01T00:00:00.000Z",
            "createdBy": {
                "displayName": "Jane Doe",
                "userId": "Jane_Doe@AdobeID"
            },
            "updated": "2019-01-01T00:00:00.000Z"
        }
    ],
    "_page": {
        "property": "mlInstanceId==46986c8f-7739-4376-8509-0178bdf32cda,deleted==false",
        "count": 1
    }
}

檢索特定MLService

您可以執行GET請求，在請求路徑中包含所需的MLService ID來擷取特定實驗的詳細資訊。

API格式

GET /mlServices/{MLSERVICE_ID}

{MLSERVICE_ID}:有效的MLService ID。

請求

curl -X GET \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

回應

成功的回應會傳回包含所請求MLService詳細資料的裝載。

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "updated": "2019-01-01T00:00:00.000Z"
}

更新MLService

您可以透過PUT請求覆寫現有MLService的屬性，以更新現有MLService，該PUT請求會在請求路徑中包含目標MLService的ID，並提供包含已更新屬性的JSON裝載。

秘訣

為確保此PUT請求成功，建議您先執行GET請求，以依ID擷取MLService。然後，修改並更新傳回的JSON物件，並套用已修改的JSON物件的完整內容作為PUT要求的裝載。

API格式

PUT /mlServices/{MLSERVICE_ID}

{MLSERVICE_ID}:有效的MLService ID。

請求

curl -X PUT \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}' \
    -H 'content-type: application/vnd.adobe.platform.sensei+json; profile=mlService.v1.json' \
    -d '{
        "name": "A name for this MLService",
        "description": "A description for this MLService",
        "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
        "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
        "trainingDataSetId": "5ee3cd7f2d34011913c56941",
        "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
        "trainingSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        },
        "scoringSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        }
    }'

回應

成功的回應會傳回包含MLService更新詳細資料的裝載。

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "trainingSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "scoringSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "updated": "2019-01-02T00:00:00.000Z"
}

刪除MLService

您可以執行DELETE請求，將目標MLService的ID包含在請求路徑中，以刪除單一MLService。

API格式

DELETE /mlServices/{MLSERVICE_ID}

參數	說明
`{MLSERVICE_ID}`	有效的MLService ID。

請求

curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

回應

{
    "title": "Success",
    "status": 200,
    "detail": "MLService deletion was successful"
}

依MLInstance ID刪除MLServices

您可以執行DELETE請求，將MLInstance ID指定為查詢參數，以刪除屬於特定MLInstance的所有MLServices。

API格式

DELETE /mlServices?mlInstanceId={MLINSTANCE_ID}

參數	說明
`{MLINSTANCE_ID}`	有效的MLInstance ID。

請求

curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices?mlInstanceId=46986c8f-7739-4376-8509-0178bdf32cda \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

回應

{
    "title": "Success",
    "status": 200,
    "detail": "MLServices deletion was successful"
}

adobe.com上的資源

Content Insights Headless Cms Preference Centers Triggered Emails First Party Data Advertising Analytics

本頁內容

檢視下一個：

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now

MLServices端點

建立MLService

檢索MLServices清單

檢索特定MLService

更新MLService

刪除MLService

依MLInstance ID刪除MLServices

adobe.com上的資源

本頁內容

檢視下一個：

Time to shine!

Time to shine!

學習

說明文件

社群

技術支援

資源

Adobe帳戶

Adobe