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或API中的方式匯入工作流程，在Adobe Experience Platform中用來建立方式。 Data Science Workspace
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。 來源檔案會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 PythonR、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UI Data Science Workspace 中，以 或使用 API 建立方式。
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。
若要取得您的Azure容器註冊表認證，請登入 Adobe Experience Platform。 在左邊導覽欄，導覽至「工 作流程」。 選擇「 匯入方式 」，然後選 取「啟動」。 請參閱下方的螢幕擷取畫面以供參考。
「設 定 」頁面隨即開啟。 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（下一步）」。
選取適當的 執行階段，然後選擇類 型的 「分 類」。 您的Azure容器註冊表認證會在完成後產生。
Type 是機器學習問題的類，它是為機器學習問題而設計的，在訓練後用於幫助定制評估訓練運行。
- 對於方 Python 式，請選取 Python 執行階段。
- 對於R方式，請選擇 R Runtime。
- 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，請選取 Spark執行 階段。 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 Docker 建立和推播您的影像。
完成下列步驟後，即會提供來源URL。 後續的教學課程會說明設定檔案，這些教學課程可在後續 步驟中找到。
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 。
建立 Python Docker影像
如果尚未執行此操作，請使用以下命 GitHub 令將儲存庫克隆到本地系統上：
git clone https://github.com/adobe/experience-platform-dsw-reference.git
Navigate to the directory experience-platform-dsw-reference/recipes/python/retail. 在這裡，您將找到用於登 login.sh 錄 build.sh 到Docker和構建映像的指令碼 Python Docker 。 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，並移至下 一步。
Build R影 Docker 像
如果尚未執行此操作，請使用以下命 GitHub 令將儲存庫克隆到本地系統上：
git clone https://github.com/adobe/experience-platform-dsw-reference.git
導航到克隆的資 experience-platform-dsw-reference/recipes/R/Retail - GradientBoosting 料庫內的目錄。 在這裡，您將找到用 login.sh 於 build.sh 登錄Docker和構建R Docker映像的檔案。 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，並移至下 一步。
建立PySpark Docker影像
首先，使用以 GitHub 下命令將儲存庫克隆到本地系統：
git clone https://github.com/adobe/experience-platform-dsw-reference.git
Navigate to the directory experience-platform-dsw-reference/recipes/pyspark/retail. 指令碼 login.sh 和 build.sh 位於此處，用於登錄到Docker和構建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，並移至下 一步。
建立Scala Docker影像
首先，在終端 GitHub 機中使用以下命令將儲存庫克隆到本地系統：
git clone https://github.com/adobe/experience-platform-dsw-reference.git
接著，導覽至您可 experience-platform-dsw-reference/recipes/scala 以找到指令碼和的 login.sh 目錄 build.sh。 這些指令碼用於登錄到Docker並生成Docker映像。 如果您的 Docker認證已就緒 ，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
如果您在嘗試使用指令碼登錄Docker時收到權限錯誤，請 login.sh 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，並移至下 一步。
下一步
本教學課程將來源檔案封裝為「配方」，這是將「配方」匯入的先決條件步驟 Data Science Workspace。 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的教學課程 Data Science Workspace。 請選取下列其中一個教學課程連結以開始使用：