Sensei Machine Learning API を使用したパッケージ化されたレシピの読み込み
このチュートリアルでは、Sensei Machine Learning API を使用して、ユーザーインターフェイスのレシピとも呼ばれる Engine を作成します。
始める前に、Adobe Experience Platform Data Science Workspace では、API と UI 内で類似の要素を参照するために異なる用語を使用していることに注意してください。 API の用語はこのチュートリアル全体で使用され、次の表に、関連する用語の概要を示します。
エンジンには、特定の問題を解決するための機械学習アルゴリズムとロジックが含まれています。次の図は、Data Science Workspace の API ワークフローを示すビジュアライゼーションを示しています。 このチュートリアルでは、機械学習モデルの頭脳であるエンジンの作成に焦点を当てます。
はじめに
このチュートリアルでは、Docker URL の形式のパッケージ化されたレシピファイルが必要です。 「ソースファイルをレシピにパッケージ化する」チュートリアルに従ってパッケージ化されたレシピファイルを作成するか、独自のレシピファイルを提供します。
{DOCKER_URL}
: インテリジェント サービスの Docker イメージへのURLアドレス。
このチュートリアルでは、Platform API の呼び出しを正常に行うために、Adobe Experience Platform チュートリアル🔗Authenticationを完了している必要があります。次に示すように、すべての Experience Platform API 呼び出しに必要な各ヘッダーの値は認証チュートリアルで説明されています。
{ACCESS_TOKEN}
:認証後に提供される特定の Bearer トークン値。{ORG_ID}
:組織の資格情報が、一意のAdobe Experience Platform統合で見つかりました。{API_KEY}
:固有の Adobe Experience Platform 統合で見つかった特定の API キーの値。
エンジンの作成
エンジンは、/engines エンドポイントにPOSTリクエストを行うことで作成できます。 作成されたエンジンは、API リクエストの一部として含める必要がある、パッケージ化されたレシピファイルの形式に基づいて設定されます。
Docker URL を使用したエンジンの作成 create-an-engine-with-a-docker-url
パッケージ化されたレシピファイルを Docker コンテナに格納してエンジンを作成するには、パッケージ化されたレシピファイルの Docker URL を指定する必要があります。
API 形式
POST /engines
Python/R をリクエスト
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"
}
}
}
}'
engine.name
engine.description
engine.type
type
は、 Python
、 R
、 PySpark
、 Spark
(Scala)、または Tensorflow
のいずれかになります。artifacts.default.image.location
{DOCKER_URL}
はここに行きます。 完全な Docker URLの構造は次のとおりです。 your_docker_host.azurecr.io/docker_image_file:version
artifacts.default.image.name
artifacts.default.image.executionType
executionType
場合、Python
、R
、PySpark
、Spark
(Scala)、Tensorflow
のいずれかです。PySpark をリクエスト
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"
}
}
}
}'
name
description
type
mlLibrary
artifacts.default.image.location
artifacts.default.image.executionType
Request Scala
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"
}
}
}
}'
name
description
type
mlLibrary
artifacts.default.image.location
artifacts.default.image.executionType
応答
リクエストが成功した場合は、一意の ID (id
)を含む、新しく作成されたエンジンの詳細を含むペイロードが返されます。 次の応答の例は、Python Engine 用です。 executionType
キーと type
キーは、指定されたPOSTに応じて変わります。
{
"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"
}
}
}
}
成功応答は、新しく作成されたエンジンに関する情報を含む JSON ペイロードが表示されます。id
キーは、一意のエンジン識別子を表し、次のチュートリアルで MLInstance を作成するために必要となります。次の手順に進む前に、エンジン識別子が保存されていることを確認します。
次の手順 next-steps
API を使用してエンジンを作成し、応答本文の一部として一意のエンジン識別子を取得しました。次のチュートリアルでは、API を使用してモデルの作成、トレーニング、評価をおこなう方法について学習しながら、このエンジン識別子を使用できます。