Importe uma receita empacotada usando a API de aprendizado de máquina do Sensei

Este tutorial usa o Sensei Machine Learning API para criar um Mecanismo, também conhecida como Receita na interface do usuário do .

Antes de começar, é importante observar que o Adobe Experience Platform Data Science Workspace O usa termos diferentes para se referir a elementos semelhantes na API e na interface do usuário do . Os termos da API são usados em todo este tutorial e a tabela a seguir descreve os termos correlacionados:

Termo da interface do usuário Termo da API
Receita Mecanismo
Modelo InstânciaMLI
Formação e avaliação Experimento
Serviço de MLService

Um Mecanismo contém algoritmos e lógica de aprendizado de máquina para resolver problemas específicos. O diagrama abaixo fornece uma visualização que mostra o fluxo de trabalho da API em Data Science Workspace. Este tutorial foca na criação de um Mecanismo, o cérebro de um Modelo de aprendizado de máquina.

Introdução

Este tutorial requer um arquivo de Receita empacotado na forma de um URL Docker. Siga as Compactar arquivos de origem em uma Receita tutorial para criar um arquivo de Receita empacotada ou fornecer o seu próprio.

  • {DOCKER_URL}: Um endereço de URL para uma imagem Docker de um serviço inteligente.

Este tutorial requer que você tenha completado o Tutorial de autenticação para o Adobe Experience Platform para fazer chamadas para Platform APIs. A conclusão do tutorial de autenticação fornece os valores para cada um dos cabeçalhos necessários em todos Experience Platform Chamadas de API, conforme mostrado abaixo:

  • {ACCESS_TOKEN}: O valor do token portador específico fornecido após a autenticação.
  • {ORG_ID}: Suas credenciais da organização IMS encontradas na integração exclusiva do Adobe Experience Platform.
  • {API_KEY}: Seu valor específico da chave de API encontrado na integração exclusiva do Adobe Experience Platform.

Criar um mecanismo

Os mecanismos podem ser criados fazendo uma solicitação POST para o endpoint /engines . O Mecanismo criado é configurado com base no formulário do arquivo de Receita empacotado que deve ser incluído como parte da solicitação da API.

Criar um mecanismo com um URL de Docker

Para criar um Mecanismo com um arquivo de Receita empacotado armazenado em um container Docker, você deve fornecer o URL do Docker ao arquivo de Receita empacotada.

ATENÇÃO

Se estiver usando Python Utilizar a solicitação abaixo. Se você estiver usando PySpark ou Scala, use o exemplo de solicitação PySpark/Scala localizado abaixo do exemplo Python/R.

Formato da 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: {ORG_ID}' \
    -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"
                }
            }
        }
    }'
Propriedade Descrição
engine.name O nome desejado para o Mecanismo. A Receita correspondente a este Mecanismo herdará esse valor a ser exibido em Data Science Workspace interface de usuário como o nome da Receita.
engine.description Uma descrição opcional do mecanismo. A Receita correspondente a este Mecanismo herdará esse valor a ser exibido em Data Science Workspace interface do usuário como a descrição da Receita. Não remova essa propriedade, deixe esse valor como uma sequência vazia se você optar por não fornecer uma descrição.
engine.type O tipo de execução do mecanismo. Esse valor corresponde ao idioma em que a imagem do Docker é desenvolvida. Quando um URL do Docker é fornecido para criar um Mecanismo, type é Python, R, PySpark, Spark (Escala) ou Tensorflow.
artifacts.default.image.location Seu {DOCKER_URL} vai aqui. Um URL completo do Docker tem a seguinte estrutura: your_docker_host.azurecr.io/docker_image_file:version
artifacts.default.image.name Um nome adicional para o arquivo de imagem Docker. Não remova essa propriedade. Deixe esse valor como uma sequência vazia se você optar por não fornecer um nome de arquivo de imagem Docker adicional.
artifacts.default.image.executionType O tipo de execução desse mecanismo. Esse valor corresponde ao idioma em que a imagem do Docker é desenvolvida. Quando um URL do Docker é fornecido para criar um Mecanismo, executionType é Python, R, PySpark, Spark (Escala) ou 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: {ORG_ID}' \
    -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"
            }
        }
    }
}'
Propriedade Descrição
name O nome desejado para o Mecanismo. A Receita correspondente a este Mecanismo herdará esse valor a ser exibido na interface do usuário como o nome da Receita.
description Uma descrição opcional do mecanismo. A Receita correspondente a este Mecanismo herdará esse valor a ser exibido na interface do usuário como a descrição da Receita. Esta propriedade é obrigatória. Se não quiser fornecer uma descrição, defina seu valor como uma string vazia.
type O tipo de execução do mecanismo. Esse valor corresponde ao idioma no qual a imagem do Docker é criada a partir de "PySpark".
mlLibrary Um campo necessário ao criar mecanismos para fórmulas PySpark e Scala.
artifacts.default.image.location O local da imagem do Docker vinculada a um URL do Docker.
artifacts.default.image.executionType O tipo de execução do mecanismo. Esse valor corresponde ao idioma no qual a imagem do Docker é criada em "Spark".

Solicitar Escala

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: {ORG_ID}' \
    -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"
            }
        }
    }
}'
Propriedade Descrição
name O nome desejado para o Mecanismo. A Receita correspondente a este Mecanismo herdará esse valor a ser exibido na interface do usuário como o nome da Receita.
description Uma descrição opcional do mecanismo. A Receita correspondente a este Mecanismo herdará esse valor a ser exibido na interface do usuário como a descrição da Receita. Esta propriedade é obrigatória. Se não quiser fornecer uma descrição, defina seu valor como uma string vazia.
type O tipo de execução do mecanismo. Esse valor corresponde ao idioma no qual a imagem do Docker é criada em "Spark".
mlLibrary Um campo necessário ao criar mecanismos para fórmulas PySpark e Scala.
artifacts.default.image.location O local da imagem do Docker vinculada a um URL do Docker.
artifacts.default.image.executionType O tipo de execução do mecanismo. Esse valor corresponde ao idioma no qual a imagem do Docker é criada em "Spark".

Resposta

Uma resposta bem-sucedida retorna uma carga contendo os detalhes do mecanismo recém-criado, incluindo seu identificador exclusivo (id). O exemplo de resposta a seguir é para um Python Motor. O executionType e type as chaves mudam de acordo com o POST fornecido.

{
    "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"
            }
        }
    }
}

Uma resposta bem-sucedida mostra uma carga JSON com informações sobre o mecanismo recém-criado. O id A chave representa o identificador exclusivo do mecanismo e é necessária no próximo tutorial para criar uma instância MLI. Verifique se o identificador do mecanismo foi salvo antes de continuar com as próximas etapas.

Próximas etapas

Você criou um mecanismo usando a API e um identificador exclusivo de mecanismo foi obtido como parte do corpo da resposta. Você pode usar esse identificador de mecanismo no próximo tutorial ao saber como criar, treinar e avaliar um Modelo usando a API.

Nesta página