将源文件打包到菜谱中
本教程说明了如何将提供的零售销售示例源文件打包到存档文件中，该存档文件可用于通过在UI中或使用API遵循菜谱导入工作流在Adobe Experience Platform Data Science Workspace中创建菜谱。
要了解的概念：
- 菜谱:菜谱是“模型”规范的Adobe术语，是表示特定机器学习、人工智能算法或集成算法、处理逻辑和配置的顶级容器，用于构建和执行经过培训的模型，从而帮助解决特定的业务问题。
- 源文件:项目中包含菜谱逻辑的各个文件。
先决条件
菜谱创建
菜谱创建开始与打包源文件以构建存档文件。 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Python、R、PySpark或Scala编写。 构建的存档文件采用Docker图像的形式。 生成后，打包的归档文件将导入Data Science Workspace中，以使用API🔗在UI🔗或中创建菜谱。
基于Docker的模型创作
Docker图像允许开发者将应用程序与所需的所有部件（如库和其他依赖项）打包，并将其作为一个包发布。
生成的Docker映像将使用在菜谱创建工作流程期间提供给您的凭据推送到Azure容器注册表。
要获取您的Azure容器注册表凭据，请登录Adobe Experience Platform。 在左侧导航列中，导航到Workflows。 选择Import Recipe，然后选择Launch。 请参阅下面的屏幕截图。
将打开Configure页。 提供相应的Recipe Name（例如“零售销售菜谱”），并（可选）提供说明或文档URL。 完成后，单击Next。
选择适当的Runtime，然后为类型选择Classification。 完成后，将生成您的Azure容器注册表凭据。
Type是 菜谱所针对的机器学习类问题，经过培训后可用于帮助定制评估培训运行。
- 对于Python方法，请选择Python运行时。
- 对于R方法，请选择R运行时。
- 对于PySpark方法，请选择PySpark运行时。 自动填充伪像类型。
- 对于Scala方法，请选择Spark运行时。 自动填充伪像类型。
请注意Docker主机、用户名和密码的值。 这些组件用于在下面概述的工作流中构建和推送您的Docker映像。
完成以下步骤后将提供源URL。 配置文件将在后续步骤中的后续教程中说明。
打包源文件
开始，方法是获取Experience Platform数据科学工作区参考存储库中的示例代码库。
生成Python Docker映像
如果尚未这样做，请使用以下命令将GitHub存储库克隆到本地系统上：
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，您将找到用于登录Docker和构建Python Docker图像的脚本login.sh和build.sh。 如果您的Docker凭据已准备就绪，请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。 在构建时，您需要提供Docker主机和用于构建的版本标签。
构建脚本完成后，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。
生成R Docker映像
如果尚未这样做，请使用以下命令将GitHub存储库克隆到本地系统上：
git clone https://github.com/adobe/experience-platform-dsw-reference.git
导航到克隆存储库中的目录experience-platform-dsw-reference/recipes/R/Retail - GradientBoosting。 在此，您将找到用于登录Docker和生成R Docker图像的文件login.sh和build.sh。 如果您的Docker凭据已准备就绪，请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。 在构建时，您需要提供Docker主机和用于构建的版本标签。
构建脚本完成后，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。
构建PySpark Docker图像
开始：使用以下命令将GitHub存储库克隆到本地系统上：
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和生成Docker图像。 如果您的Docker凭据已准备就绪，请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。 在构建时，您需要提供Docker主机和用于构建的版本标签。
构建脚本完成后，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。
生成Scala Docker映像
开始：使用终端中的以下命令将GitHub存储库克隆到本地系统上：
git clone https://github.com/adobe/experience-platform-dsw-reference.git
接下来，导览至目录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Docker并构建Docker图像。 如果您的Docker凭据已准备就绪，请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脚本登录Docker时收到权限错误，请尝试使用命令bash login.sh。
执行登录脚本时，您需要提供Docker主机、用户名和密码。 在构建时，您需要提供Docker主机和用于构建的版本标签。
构建脚本完成后，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。
后续步骤
本教程重点介绍将源文件打包到菜谱中，这是将菜谱导入Data Science Workspace的先决条件步骤。 您现在应在Azure容器注册表中拥有Docker图像以及相应的图像URL。 现在，您已准备好开始将打包菜谱导入Data Science Workspace的教程。 选择以下教程链接之一以开始使用：
