Este tutorial utiliza Sensei Machine Learning API para crear un Motor, también conocido como una fórmula en la interfaz de usuario.
Antes de comenzar, es importante tener en cuenta que Adobe Experience Platform Data Science Workspace utiliza términos diferentes para hacer referencia a elementos similares dentro de la API y la interfaz de usuario. Los términos de API se utilizan en este tutorial y la siguiente tabla describe los términos correlativos:
Término de interfaz de usuario | Término de API |
---|---|
Fórmula | Motor |
Modelo | MLInance |
Formación y evaluación | Experimento |
Service | MLService |
Un motor contiene algoritmos de aprendizaje automático y lógica para resolver problemas específicos. El diagrama siguiente muestra una visualización del flujo de trabajo de API en Data Science Workspace. Este tutorial se centra en la creación de un motor, el cerebro de un modelo de aprendizaje automático.
Este tutorial requiere un archivo de fórmula empaquetado en forma de URL de Docker. Siga el tutorial Empaquetar archivos de origen en un tutorial de fórmula para crear un archivo de fórmula empaquetado o proporcionar el suyo propio.
{DOCKER_URL}
:: Dirección URL de una imagen de Docker de un servicio inteligente.Este tutorial requiere que haya completado el tutorial Autenticación a Adobe Experience Platform para poder realizar correctamente llamadas a las Platform API. Al completar el tutorial de autenticación se proporcionan los valores para cada uno de los encabezados necesarios en todas las llamadas Experience Platform API, como se muestra a continuación:
{ACCESS_TOKEN}
:: Su valor de token de portador específico proporcionado después de la autenticación.{IMS_ORG}
:: Sus credenciales de organización de IMS se encuentran en su integración única de Adobe Experience Platform.{API_KEY}
:: Su valor clave de API específica se encuentra en su integración única de Adobe Experience Platform.Los motores se pueden crear realizando una solicitud de POST al extremo /motores. El motor creado se configura en función de la forma del archivo de fórmula empaquetado que debe incluirse como parte de la solicitud de API.
Para crear un motor con un archivo de fórmula empaquetado almacenado en un contenedor de Docker, debe proporcionar la URL de Docker al archivo de fórmula empaquetado.
Si está utilizando Python o R, utilice la siguiente solicitud. Si utiliza PySpark o Scala, utilice el ejemplo de solicitud PySpark/Scala ubicado debajo del ejemplo de Python/R.
Formato API
POST /engines
Solicitar Python/R
curl -X POST \
https://platform.adobe.io/data/sensei/engines \
-H 'Authorization: {ACCESS_TOKEN}' \
-H 'X-API-KEY: {API_KEY}' \
-H 'content-type: multipart/form-data' \
-H 'x-gw-ims-org-id: {IMS_ORG}' \
-H `x-sandbox-name: {SANDBOX_NAME}` \
-F 'engine={
"name": "Retail Sales Engine Python",
"description": "A description for Retail Sales Engine, this Engines execution type is Python",
"type": "Python"
"artifacts": {
"default": {
"image": {
"location": "{DOCKER_URL}",
"name": "retail_sales_python",
"executionType": "Python"
}
}
}
}'
Propiedad | Descripción |
---|---|
engine.name |
Nombre deseado para el motor. La fórmula correspondiente a este motor heredará este valor que se mostrará en la interfaz de usuario Data Science Workspace como nombre de la fórmula. |
engine.description |
Una descripción opcional del motor. La fórmula correspondiente a este motor heredará este valor que se mostrará en la interfaz de usuario Data Science Workspace como descripción de la fórmula. No elimine esta propiedad, deje que este valor sea una cadena vacía si decide no proporcionar una descripción. |
engine.type |
El tipo de ejecución del motor. Este valor corresponde al idioma en el que se desarrolla la imagen del Docker. Cuando se proporciona una URL de Docker para crear un motor, type es Python , R , PySpark , Spark (Scala) o Tensorflow . |
artifacts.default.image.location |
Su {DOCKER_URL} va aquí. Una URL completa del Docker tiene la siguiente estructura: your_docker_host.azurecr.io/docker_image_file:version |
artifacts.default.image.name |
Un nombre adicional para el archivo de imagen del Docker. No elimine esta propiedad, deje que este valor sea una cadena vacía si decide no proporcionar un nombre de archivo de imagen de Docker adicional. |
artifacts.default.image.executionType |
El tipo de ejecución de este motor. Este valor corresponde al idioma en el que se desarrolla la imagen del Docker. Cuando se proporciona una URL de Docker para crear un motor, executionType es Python , R , PySpark , Spark (Scala) o Tensorflow . |
Solicitar PySpark
curl -X POST \
https://platform.adobe.io/data/sensei/engines \
-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: multipart/form-data' \
-F 'engine={
"name": "PySpark retail sales recipe",
"description": "A description for this Engine",
"type": "PySpark",
"mlLibrary":"databricks-spark",
"artifacts": {
"default": {
"image": {
"name": "modelspark",
"executionType": "PySpark",
"packagingType": "docker",
"location": "v1d2cs4mimnlttw.azurecr.io/sarunbatchtest:0.0.1"
}
}
}
}'
Propiedad | Descripción |
---|---|
name |
Nombre deseado para el motor. La fórmula correspondiente a este motor heredará este valor para que se muestre en la interfaz de usuario como nombre de la fórmula. |
description |
Una descripción opcional del motor. La fórmula correspondiente a este motor heredará este valor para que se muestre en la interfaz de usuario como la descripción de la fórmula. Esta es una propiedad obligatoria. Si no desea proporcionar una descripción, establezca su valor en una cadena vacía. |
type |
El tipo de ejecución del motor. Este valor corresponde al idioma en el que la imagen del Docker se genera sobre "PySpark". |
mlLibrary |
Campo que se requiere al crear motores para las fórmulas de PySpark y Scala. |
artifacts.default.image.location |
Ubicación de la imagen del Docker vinculada por una URL del Docker. |
artifacts.default.image.executionType |
El tipo de ejecución del motor. Este valor corresponde al idioma en el que la imagen del Docker se genera a partir de "Spark". |
Escala de solicitud
curl -X POST \
https://platform.adobe.io/data/sensei/engines \
-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: multipart/form-data' \
-F 'engine={
"name": "Spark retail sales recipe",
"description": "A description for this Engine",
"type": "Spark",
"mlLibrary":"databricks-spark",
"artifacts": {
"default": {
"image": {
"name": "modelspark",
"executionType": "Spark",
"packagingType": "docker",
"location": "v1d2cs4mimnlttw.azurecr.io/sarunbatchtest:0.0.1"
}
}
}
}'
Propiedad | Descripción |
---|---|
name |
Nombre deseado para el motor. La fórmula correspondiente a este motor heredará este valor para que se muestre en la interfaz de usuario como nombre de la fórmula. |
description |
Una descripción opcional del motor. La fórmula correspondiente a este motor heredará este valor para que se muestre en la interfaz de usuario como la descripción de la fórmula. Esta es una propiedad obligatoria. Si no desea proporcionar una descripción, establezca su valor en una cadena vacía. |
type |
El tipo de ejecución del motor. Este valor corresponde al idioma en el que la imagen del Docker se genera a partir de "Spark". |
mlLibrary |
Campo que se requiere al crear motores para las fórmulas de PySpark y Scala. |
artifacts.default.image.location |
Ubicación de la imagen del Docker vinculada por una URL del Docker. |
artifacts.default.image.executionType |
El tipo de ejecución del motor. Este valor corresponde al idioma en el que la imagen del Docker se genera a partir de "Spark". |
Respuesta
Una respuesta correcta devuelve una carga útil que contiene los detalles del motor recién creado, incluido su identificador único (id
). La siguiente respuesta de ejemplo es para un motor Python. Las claves executionType
y type
cambian según el POST proporcionado.
{
"id": "{ENGINE_ID}",
"name": "A name for this Engine",
"description": "A description for this Engine",
"type": "Python",
"algorithm": "Classification",
"created": "2019-01-01T00:00:00.000Z",
"createdBy": {
"userId": "Jane_Doe@AdobeID"
},
"updated": "2019-01-01T00:00:00.000Z",
"artifacts": {
"default": {
"image": {
"location": "{DOCKER_URL}",
"name": "An additional name for the Docker image",
"executionType": "Python",
"packagingType": "docker"
}
}
}
}
Una respuesta correcta muestra una carga útil JSON con información acerca del motor recién creado. La clave id
representa el identificador único del motor y es necesaria en el siguiente tutorial para crear una instancia MLI. Asegúrese de guardar el identificador del motor antes de continuar con los pasos siguientes.
Ha creado un motor con la API y se obtuvo un identificador de motor único como parte del cuerpo de respuesta. Puede utilizar este identificador de motor en el siguiente tutorial a medida que aprenda a crear, entrenar y evaluar un modelo con la API.