패키지된 레서피(API) 가져오기

이 자습서는 Sensei Machine Learning API 를 사용하여 엔진(사용자 인터페이스의 레서피)을 만듭니다.

시작하기 전에, Adobe Experience Platform은 API와 UI 내의 유사한 요소를 참조하기 위해 서로 다른 용어를 Data Science Workspace 사용합니다. API 용어는 이 자습서 전체에서 사용되며 다음 표에서는 상관 관계 용어의 개요를 설명합니다.

UI 용어 API 용어
레서피 엔진
모델 MLInestment
트레이닝 및 평가 실험
서비스 MLService

엔진은 특정 문제를 해결하기 위한 기계 학습 알고리즘과 논리를 포함합니다. 아래 다이어그램에서는 API 작업 과정을 보여주는 시각화를 제공합니다 Data Science Workspace. 이 자습서에서는 기계 학습 모델의 두뇌인 엔진을 만드는 데 중점을 둡니다.

시작하기

이 자습서에서는 문서 URL 형식의 패키지된 레서피 파일이 필요합니다. Package 소스 파일을 Recipe 튜토리얼에 따라 패키지된 Recipe 파일을 만들거나 직접 제공합니다.

  • {DOCKER_URL}:지능형 서비스의 Docker 이미지에 대한 URL 주소입니다.

이 자습서에서는 API를 성공적으로 호출하려면 Adobe Experience Platform에 대한 인증 자습서 를 완료해야 Platform 합니다. 인증 자습서를 완료하면 아래와 같이 모든 Experience Platform API 호출에서 각 필수 헤더에 대한 값을 제공합니다.

  • {ACCESS_TOKEN}:인증 후 제공된 특정 베어러 토큰 값.
  • {IMS_ORG}:고유한 Adobe Experience Platform 통합에 있는 IMS 조직 자격 증명을 찾을 수 있습니다.
  • {API_KEY}:고유한 Adobe Experience Platform 통합에 있는 특정 API 키 값입니다.

엔진 만들기

/engine 종단점에 POST 요청을 하여 엔진을 만들 수 있습니다. 생성된 엔진은 API 요청의 일부로 포함되어야 하는 패키지된 레서피 파일 형식을 기반으로 구성됩니다.

문서 URL을 사용하여 엔진 만들기

Docker 컨테이너에 저장된 패키징 레서피 파일이 있는 엔진을 만들려면 패키지된 레서피 파일에 Docker URL을 제공해야 합니다.

주의

아래 요청을 사용 Python 또는 R하는 경우 PySpark 또는 Scala를 사용하는 경우 Python/R 예제 아래에 있는 PySpark/Scala 요청 예제를 사용하십시오.

API 형식

POST /engines

Python/R 요청

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"
                }
            }
        }
    }' 
속성 설명
engine.name 엔진에 대해 원하는 이름입니다. 이 엔진에 해당하는 레시피는 이 값을 상속하여 레서피 이름으로 Data Science Workspace 사용자 인터페이스에 표시됩니다.
engine.description 엔진에 대한 선택적 설명입니다. 이 엔진에 해당하는 레시피는 이 값을 상속하여 레서피 설명으로 Data Science Workspace 사용자 인터페이스에 표시됩니다. 이 속성을 제거하지 마십시오. 설명을 제공하지 않기로 선택하면 이 값이 빈 문자열이 되도록 하십시오.
engine.type 엔진의 실행 유형입니다. 이 값은 Docker 이미지가 개발되는 언어에 해당합니다. 엔진을 만들기 위해 Docker URL을 제공하는 경우, typePython, R PySpark, Spark (Scala) Tensorflow또는입니다.
artifacts.default.image.location 여기 {DOCKER_URL} 가세요 전체 문서 URL의 구조는 다음과 같습니다. your_docker_host.azurecr.io/docker_image_file:version
artifacts.default.image.name Docker 이미지 파일의 추가 이름입니다. 이 속성을 제거하지 마십시오. 추가 Docker 이미지 파일 이름을 제공하지 않기로 선택하면 이 값이 빈 문자열이 되도록 하십시오.
artifacts.default.image.executionType 이 엔진의 실행 유형입니다. 이 값은 Docker 이미지가 개발되는 언어에 해당합니다. 엔진을 만들기 위해 Docker URL을 제공하는 경우, executionTypePython, R PySpark, Spark (Scala) Tensorflow또는입니다.

PySpark 요청

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"
            }
        }
    }
}'
속성 설명
name 엔진에 대해 원하는 이름입니다. 이 엔진에 해당하는 레시피는 이 값을 상속하여 레서피 이름으로 UI에 표시합니다.
description 엔진에 대한 선택적 설명입니다. 이 엔진에 해당하는 레시피는 레서피 설명으로 UI에 표시될 이 값을 상속합니다. 이 속성은 필수입니다. 설명을 제공하지 않으려면 값을 빈 문자열로 설정합니다.
type 엔진의 실행 유형입니다. 이 값은 Docker 이미지가 "PySpark"에 내장되어 있는 언어에 해당합니다.
mlLibrary PySpark 및 Scala 레시피용 엔진을 만들 때 필요한 필드입니다.
artifacts.default.image.location Docker URL에 연결된 Docker 이미지의 위치입니다.
artifacts.default.image.executionType 엔진의 실행 유형입니다. 이 값은 Docker 이미지가 "Spark"에 내장되어 있는 언어에 해당합니다.

Request Scala

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"
            }
        }
    }
}'
속성 설명
name 엔진에 대해 원하는 이름입니다. 이 엔진에 해당하는 레시피는 이 값을 상속하여 레서피 이름으로 UI에 표시합니다.
description 엔진에 대한 선택적 설명입니다. 이 엔진에 해당하는 레시피는 레서피 설명으로 UI에 표시될 이 값을 상속합니다. 이 속성은 필수입니다. 설명을 제공하지 않으려면 값을 빈 문자열로 설정합니다.
type 엔진의 실행 유형입니다. 이 값은 Docker 이미지가 "Spark"에 내장되어 있는 언어에 해당합니다.
mlLibrary PySpark 및 Scala 레시피용 엔진을 만들 때 필요한 필드입니다.
artifacts.default.image.location Docker URL에 연결된 Docker 이미지의 위치입니다.
artifacts.default.image.executionType 엔진의 실행 유형입니다. 이 값은 Docker 이미지가 "Spark"에 내장되어 있는 언어에 해당합니다.

응답

성공적인 응답은 고유 식별자(id)를 포함하여 새로 만든 엔진의 세부 정보를 포함하는 페이로드를 반환합니다. 다음 예제 응답은 Python 엔진용입니다. 제공된 POST에 따라 executionTypetype 키가 변경됩니다.

{
    "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"
            }
        }
    }
}

성공적인 응답에는 새로 만든 엔진과 관련된 정보가 포함된 JSON 페이로드가 표시됩니다. 이 id 키는 고유한 엔진 식별자를 나타내며 MLInestment를 만들기 위해 다음 자습서에서 필요합니다. 다음 단계를 계속하기 전에 엔진 식별자가 저장되었는지 확인합니다.

다음 단계

API를 사용하여 엔진을 만들었으며, 고유한 엔진 식별자를 응답 본문의 일부로 받았습니다. 다음 자습서에서는 API를 사용하여 모델을 만들고, 교육하고, 평가하는 방법을 배울 때 이 엔진 식별자를 사용할 수 있습니다.

이 페이지에서는