將來源檔案封裝至配方

本教學課程提供如何將提供的零售銷售範例來源檔案封裝成封存檔案的指示，此檔案可透過遵循UI中的方式匯入工作流程或使用API，在Adobe Experience Platform Data Science Workspace中建立方式。

要瞭解的概念：

  • 方式:配方是Adobe的模型規格術語，是代表特定機器學習、人工智慧演算法或整合演算法、處理邏輯和設定的頂層容器，以建立並執行已訓練的模型，進而協助解決特定商業問題。
  • 來源檔案:專案中包含方式邏輯的個別檔案。

必要條件

方式建立

方式建立從封裝來源檔案開始，以建立封存檔案。 來源檔案定義機器學習邏輯和演算法，用於解決手邊的特定問題，並以Python、R、PySpark或Scala編寫。 構建的存檔檔案採用Docker映像的形式。 建立後，封裝的封存檔案會匯入至Data Science Workspace，以使用API](/docs/experience-platform/data-science-workspace/models-recipes/import-packaged-recipe-api.html?lang=zh-Hant)在UI中建立配方。[

基於Docker的模型編寫

Docker映像允許開發人員將應用程式與其所需的所有部件（如庫和其他依賴項）打包，然後以一個包的形式發佈。

內建的Docker影像會使用在方式建立工作流程期間提供給您的認證，推送至Azure容器註冊表。

若要取得Azure容器註冊表認證，請登入Adobe Experience Platform。 在左邊導覽欄上，導覽至​Workflows。 選擇​匯入配方，然後選擇​啟動。 請參閱下方的螢幕擷取畫面以供參考。

將開啟​Configure​頁。 提供適當的​配方名稱，例如「零售銷售配方」，並選擇性地提供說明或檔案URL。 完成後，按一下​Next。

選擇適當的​Runtime，然後為​Type​選擇​Classification。 您的Azure容器註冊表認證會在完成後產生。

注意

Type是 專為機器學習類別設計的問題，在訓練後會使用它，以協助量身打造評估訓練執行。

秘訣
  • 對於Python配方，請選擇​Python​執行階段。
  • 對於R配方，請選擇​R​運行時。
  • 對於PySpark配方，請選取​PySpark​執行時期。 對象類型自動填充。
  • 對於Scala配方，請選擇​Spark​執行時期。 對象類型自動填充。

請注意Docker主機、用戶名和密碼的值。 這些功能可用來在下列工作流程中建立和推播您的Docker影像。

注意

完成下列步驟後，即會提供來源URL。 在後續步驟中的後續教學課程中，將說明此設定檔案。

封裝來源檔案

首先，取得Experience Platform Data Science Workspace參考儲存庫中的范常式式碼基底。

構建Python Docker映像

如果您尚未這樣做，請使用以下命令將GitHub儲存庫克隆到本地系統上：

git clone https://github.com/adobe/experience-platform-dsw-reference.git

導航至experience-platform-dsw-reference/recipes/python/retail目錄。 在這裡，您將找到用於登錄到Docker和構建Python Docker映像的指令碼login.sh和build.sh。 如果您的Docker憑據已就緒，請按順序輸入以下命令：

# for logging in to Docker
./login.sh
 
# for building Docker image
./build.sh

請注意，在執行登錄指令碼時，您需要提供Docker主機、用戶名和密碼。 建立時，您必須提供Docker主機和版本標籤以用於建立。

建置指令碼完成後，控制台輸出中會給您一個Docker源檔案URL。 對於此特定範例，其外觀會類似：

# URL format: 
{DOCKER_HOST}/ml-retailsales-python:{VERSION_TAG}

複製此URL並移至後續步驟。

構建R Docker映像

如果您尚未這樣做，請使用以下命令將GitHub儲存庫克隆到本地系統上：

git clone https://github.com/adobe/experience-platform-dsw-reference.git

導航到克隆的儲存庫內的experience-platform-dsw-reference/recipes/R/Retail - GradientBoosting目錄。 在這裡，您將找到用於登錄Docker和生成R Docker映像的login.sh和build.sh檔案。 如果您的Docker憑據已就緒，請按順序輸入以下命令：

# for logging in to Docker
./login.sh
 
# for build Docker image
./build.sh

請注意，在執行登錄指令碼時，您需要提供Docker主機、用戶名和密碼。 建立時，您必須提供Docker主機和版本標籤以用於建立。

建置指令碼完成後，控制台輸出中會給您一個Docker源檔案URL。 對於此特定範例，其外觀會類似：

# URL format: 
{DOCKER_HOST}/ml-retail-r:{VERSION_TAG}

複製此URL並移至後續步驟。

建立PySpark Docker影像

首先，使用以下命令將GitHub儲存庫克隆到本地系統上：

git clone https://github.com/adobe/experience-platform-dsw-reference.git

導航至experience-platform-dsw-reference/recipes/pyspark/retail目錄。 指令碼login.sh和build.sh位於此處，用於登錄到Docker和生成Docker映像。 如果您的Docker憑據已就緒，請按順序輸入以下命令：

# for logging in to Docker
./login.sh
 
# for building Docker image
./build.sh

請注意，在執行登錄指令碼時，您需要提供Docker主機、用戶名和密碼。 建立時，您必須提供Docker主機和版本標籤以用於建立。

建置指令碼完成後，控制台輸出中會給您一個Docker源檔案URL。 對於此特定範例，其外觀會類似：

# URL format: 
{DOCKER_HOST}/ml-retailsales-pyspark:{VERSION_TAG}

複製此URL並移至後續步驟。

建立Scala Docker影像

首先，在終端機中使用以下命令將GitHub儲存庫克隆到本地系統：

git clone https://github.com/adobe/experience-platform-dsw-reference.git

接著，導覽至目錄experience-platform-dsw-reference/recipes/scala，您可在其中找到指令碼login.sh和build.sh。 這些指令碼用於登錄到Docker並生成Docker映像。 如果您的Docker憑據已就緒，請按順序向終端輸入以下命令：

# for logging in to Docker
./login.sh
 
# for building Docker image
./build.sh
秘訣

如果您在嘗試使用login.sh指令碼登入Docker時收到權限錯誤，請嘗試使用命令bash login.sh。

執行登錄指令碼時，需要提供Docker主機、用戶名和密碼。 建立時，您必須提供Docker主機和版本標籤以用於建立。

建置指令碼完成後，控制台輸出中會給您一個Docker源檔案URL。 對於此特定範例，其外觀會類似：

# URL format: 
{DOCKER_HOST}/ml-retailsales-spark:{VERSION_TAG}

複製此URL並移至後續步驟。

下一步

本教學課程將來源檔案封裝成配方，這是將配方匯入Data Science Workspace的先決條件步驟。 您現在應該在Azure容器註冊表中有Docker影像，以及對應的影像URL。 您現在已準備好開始將封裝配方匯入Data Science Workspace的教學課程。 請選取下列其中一個教學課程連結以開始使用：

本頁內容