本教程提供了有关如何将提供的零售销售示例源文件打包到存档文件中的说明,该存档文件可用于在Adobe Experience Platform中创建方法 Data Science Workspace 通过在UI中或使用API遵循方法导入工作流。
要了解的概念:
方法创建从打包源文件开始,以构建存档文件。 源文件定义用于解决手头特定问题的机器学习逻辑和算法,并以任一方式写入 Python、R、PySpark或Scala。 构建的存档文件采用Docker映像的形式。 生成后,打包的存档文件将导入到 Data Science Workspace 创建方法 在UI中 或 使用API.
Docker图像允许开发人员将应用程序与其所需的所有部件(如库和其他依赖项)打包,然后作为一个包发送。
使用在方法创建工作流中为您提供的凭据,将构建的Docker图像推送到Azure容器注册表。
要获取Azure容器注册表凭据,请登录 Adobe Experience Platform. 在左侧导航列中,导航到 工作流. 选择 导入方法 后接选择 Launch. 请参阅下面的屏幕截图以作参考。
的 配置 页面。 提供适当的 方法名称,例如“零售销售方法”,并(可选)提供描述或文档URL。 完成后,单击 下一个.
选择相应的 运行时,然后选择 分类 表示 类型. 完成后,将生成Azure容器注册表凭据。
类型 是机器学习类问题,该方法是为设计的,经过培训后用于帮助定制评估培训运行。
请注意Docker主机、用户名和密码的值。 这些组件用于构建和推送您的 Docker 图像。
完成下面列出的步骤后,会提供源URL。 有关配置文件的说明,请参阅 后续步骤.
首先,获取在 Experience Platform数据科学工作区参考 存储库。
如果尚未复制,请克隆 GitHub 使用以下命令将存储库放到本地系统上:
git clone https://github.com/adobe/experience-platform-dsw-reference.git
导航到目录 experience-platform-dsw-reference/recipes/python/retail
. 在此,您将找到脚本 login.sh
和 build.sh
用于登录到Docker并构建 Python Docker 图像。 如果您 Docker凭据 就绪,按顺序输入以下命令:
# for logging in to Docker
./login.sh
# for building Docker image
./build.sh
请注意,在执行登录脚本时,您需要提供Docker主机、用户名和密码。 构建时,需要提供Docker主机和内部版本的版本标记。
生成脚本完成后,控制台输出中会为您提供一个Docker源文件URL。 对于此特定示例,它将类似于:
# URL format:
{DOCKER_HOST}/ml-retailsales-python:{VERSION_TAG}
复制此URL并转到 后续步骤.
如果尚未复制,请克隆 GitHub 使用以下命令将存储库放到本地系统上:
git clone https://github.com/adobe/experience-platform-dsw-reference.git
导航到目录 experience-platform-dsw-reference/recipes/R/Retail - GradientBoosting
在克隆的存储库中。 在这里,你会找到文件 login.sh
和 build.sh
用于登录Docker和构建R Docker图像。 如果您 Docker凭据 就绪,按顺序输入以下命令:
# for logging in to Docker
./login.sh
# for build Docker image
./build.sh
请注意,在执行登录脚本时,您需要提供Docker主机、用户名和密码。 构建时,需要提供Docker主机和内部版本的版本标记。
生成脚本完成后,控制台输出中会为您提供一个Docker源文件URL。 对于此特定示例,它将类似于:
# URL format:
{DOCKER_HOST}/ml-retail-r:{VERSION_TAG}
复制此URL并转到 后续步骤.
首先,克隆 GitHub 使用以下命令将存储库放到本地系统上:
git clone https://github.com/adobe/experience-platform-dsw-reference.git
导航到目录 experience-platform-dsw-reference/recipes/pyspark/retail
. 脚本 login.sh
和 build.sh
位于此处,用于登录Docker和构建Docker图像。 如果您 Docker凭据 就绪,按顺序输入以下命令:
# for logging in to Docker
./login.sh
# for building Docker image
./build.sh
请注意,在执行登录脚本时,您需要提供Docker主机、用户名和密码。 构建时,需要提供Docker主机和内部版本的版本标记。
生成脚本完成后,控制台输出中会为您提供一个Docker源文件URL。 对于此特定示例,它将类似于:
# URL format:
{DOCKER_HOST}/ml-retailsales-pyspark:{VERSION_TAG}
复制此URL并转到 后续步骤.
首先,克隆 GitHub 在终端中使用以下命令将存储库存储到本地系统上:
git clone https://github.com/adobe/experience-platform-dsw-reference.git
接下来,导航到目录 experience-platform-dsw-reference/recipes/scala
您可以在其中找到脚本 login.sh
和 build.sh
. 这些脚本用于登录到Docker并构建Docker图像。 如果您 Docker凭据 就绪,按顺序向终端输入以下命令:
# for logging in to Docker
./login.sh
# for building Docker image
./build.sh
如果您在尝试使用 login.sh
脚本,尝试使用命令 bash login.sh
.
执行登录脚本时,您需要提供Docker主机、用户名和密码。 构建时,需要提供Docker主机和内部版本的版本标记。
生成脚本完成后,控制台输出中会为您提供一个Docker源文件URL。 对于此特定示例,它将类似于:
# URL format:
{DOCKER_HOST}/ml-retailsales-spark:{VERSION_TAG}
复制此URL并转到 后续步骤.
本教程介绍了如何将源文件打包到方法中,这是将方法导入的先决条件步骤 Data Science Workspace. 现在,您应该在Azure容器注册表中拥有Docker图像以及相应的图像URL。 现在,您可以开始将打包的方法导入的教程 Data Science Workspace. 请选择以下教程链接之一以开始操作: