Dokumentation Experience Platform Användarhandbok om Data Science Workspace

MLServices-slutpunkt

Last update: Tue Aug 06 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

Ämnen:
Data Science Workspace

Skapat för:

Utvecklare

NOTE

Data Science Workspace finns inte längre att köpa.

Denna dokumentation är avsedd för befintliga kunder med tidigare tillstånd till Data Science Workspace.

En MLService är en publicerad tränad modell som ger din organisation möjlighet att komma åt och återanvända tidigare utvecklade modeller. En viktig egenskap hos MLServices är möjligheten att automatisera kurser och poängsättning på schemalagd basis. Schemalagda kurser kan bidra till att bibehålla en modells effektivitet och exakthet, medan schemalagda kurser kan säkerställa att nya insikter genereras på ett konsekvent sätt.

Automatiska utbildnings- och poängsättningsscheman definieras med en starttidsstämpel, sluttidsstämpel och en frekvens som representeras som ett cron-uttryck. Scheman kan definieras när en MLService skapas eller används av en befintlig MLService uppdateras.

Skapa en MLService create-an-mlservice

Du kan skapa en MLService genom att utföra en begäran om POST och en nyttolast som anger ett namn för tjänsten och ett giltigt MLInstance-ID. Den MLInstance som används för att skapa en MLService behövs inte för att ha befintliga utbildningsexperter, men du kan välja att skapa MLService med en befintlig utbildad modell genom att ange motsvarande Experiment ID och ID för utbildningskörning.

API-format

POST /mlServices

Begäran

curl -X POST \
    https://platform.adobe.io/data/sensei/mlServices \
    -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: application/vnd.adobe.platform.sensei+json; profile=mlService.v1.json' \
    -d '{
        "name": "A name for this MLService",
        "description": "A description for this MLService",
        "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
        "trainingDataSetId": "5ee3cd7f2d34011913c56941",
        "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
        "trainingExperimentRunId": "33408593-2871-4198-a812-6d1b7d939cda",
        "trainingSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        },
        "scoringSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        }
    }'

Egenskap

Beskrivning

name

Det önskade namnet för MLService. Tjänsten som motsvarar denna MLService ärver det här värdet som ska visas i tjänstgalleriets användargränssnitt som tjänstens namn.

description

En valfri beskrivning för MLService. Tjänsten som motsvarar denna MLService ärver det här värdet som ska visas i användargränssnittet i tjänstgalleriet som tjänstens beskrivning.

mlInstanceId

Ett giltigt MLInstance-ID.

trainingDataSetId

Ett ID för utbildningsdatauppsättning som, om det anges, åsidosätter MLInstance standarddatauppsättning-ID. Om den MLInstance som används för att skapa MLService inte definierar en utbildningsdatauppsättning måste du ange ett lämpligt ID för utbildningsdatauppsättning.

trainingExperimentId

Ett Experiment-ID som du kan ange. Om det här värdet inte anges skapas även en ny expert med standardkonfigurationerna för MLInstance när du skapar MLService.

trainingExperimentRunId

Ett ID för utbildningskörning som du kan ange. Om det här värdet inte anges skapas och körs även en utbildningskörning med standardutbildningsparametrarna för MLInstance när MLService skapas.

trainingSchedule

Ett schema för automatiserade kurser. Om den här egenskapen definieras kommer MLService automatiskt att utföra en schemalagd utbildning.

trainingSchedule.startTime

En tidsstämpel för vilken den schemalagda kursen börjar.

trainingSchedule.endTime

En tidsstämpel för vilken den schemalagda utbildningen kommer att avslutas.

trainingSchedule.cron

Ett cron-uttryck som definierar frekvensen av automatiska utbildningar.

scoringSchedule

Ett schema för automatiserad poängsättning. Om den här egenskapen definieras kommer MLService automatiskt att utföra en schemalagd poängsättning.

scoringSchedule.startTime

En tidsstämpel för vilken den schemalagda poängsättningen börjar.

scoringSchedule.endTime

En tidsstämpel för vilken den schemalagda poängsättningen avslutas.

scoringSchedule.cron

Ett cron-uttryck som definierar frekvensen för automatiserade poängkörningar.

Svar

Ett lyckat svar returnerar en nyttolast som innehåller information om den nyligen skapade MLService, inklusive dess unika identifierare (id), test-ID för utbildning (trainingExperimentId), test-ID för poängsättning (scoringExperimentId) och datauppsättnings-ID för inmatningsutbildning (trainingDataSetId).

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "trainingSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "scoringSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "updated": "2019-01-01T00:00:00.000Z"
}

Hämta en lista med MLServices retrieve-a-list-of-mlservices

Du kan hämta en lista över MLServices genom att utföra en enda begäran om GET. Du kan filtrera resultaten genom att ange frågeparametrar i sökvägen för begäran. En lista med tillgängliga frågor finns i avsnittet om tillägg för frågeparametrar för hämtning av resurser.

API-format

GET /mlServices
GET /mlServices?{QUERY_PARAMETER}={VALUE}
GET /mlServices?{QUERY_PARAMETER_1}={VALUE_1}&{QUERY_PARAMETER_2}={VALUE_2}

Parameter

Beskrivning

{QUERY_PARAMETER}

En av de tillgängliga frågeparametrarna som används för att filtrera resultat.

{VALUE}

Värdet för föregående frågeparameter.

Begäran

Följande begäran innehåller en fråga och hämtar en lista över MLServices som delar samma MLInstance-ID ({MLINSTANCE_ID}).

curl -X GET \
    'https://platform.adobe.io/data/sensei/mlServices?property=mlInstanceId==46986c8f-7739-4376-8509-0178bdf32cda' \
    -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}'

Svar

Ett lyckat svar returnerar en lista över MLServices och deras information, inklusive deras MLService-ID ({MLSERVICE_ID}), test-ID för utbildning ({TRAINING_ID}), test-ID för poängsättning ({SCORING_ID}) och indatauppsättnings-ID för utbildning ({DATASET_ID}).

{
    "children": [
        {
            "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
            "name": "A service created in UI",
            "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
            "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
            "trainingDataSetId": "5ee3cd7f2d34011913c56941",
            "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
            "created": "2019-01-01T00:00:00.000Z",
            "createdBy": {
                "displayName": "Jane Doe",
                "userId": "Jane_Doe@AdobeID"
            },
            "updated": "2019-01-01T00:00:00.000Z"
        }
    ],
    "_page": {
        "property": "mlInstanceId==46986c8f-7739-4376-8509-0178bdf32cda,deleted==false",
        "count": 1
    }
}

Hämta en specifik MLService retrieve-a-specific-mlservice

Du kan hämta information om en specifik Experiment genom att utföra en GET-begäran som innehåller det önskade MLService-ID:t i sökvägen för begäran.

API-format

GET /mlServices/{MLSERVICE_ID}

{MLSERVICE_ID}: Ett giltigt MLService-ID.

Begäran

curl -X GET \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -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}'

Svar

Ett godkänt svar returnerar en nyttolast som innehåller information om den begärda MLService.

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "updated": "2019-01-01T00:00:00.000Z"
}

Uppdatera en MLService update-an-mlservice

Du kan uppdatera en befintlig MLService genom att skriva över dess egenskaper via en PUT-begäran som innehåller mål-MLService-ID:t i sökvägen för begäran och som tillhandahåller en JSON-nyttolast som innehåller uppdaterade egenskaper.

TIP

För att denna PUT-begäran ska lyckas föreslår vi att du först utför en GET-förfrågan om att hämta MLService med ID. Ändra och uppdatera sedan det returnerade JSON-objektet och använd hela det ändrade JSON-objektet som nyttolast för PUT-begäran.

API-format

PUT /mlServices/{MLSERVICE_ID}

{MLSERVICE_ID}: Ett giltigt MLService-ID.

Begäran

curl -X PUT \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -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: application/vnd.adobe.platform.sensei+json; profile=mlService.v1.json' \
    -d '{
        "name": "A name for this MLService",
        "description": "A description for this MLService",
        "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
        "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
        "trainingDataSetId": "5ee3cd7f2d34011913c56941",
        "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
        "trainingSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        },
        "scoringSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        }
    }'

Svar

Ett godkänt svar returnerar en nyttolast som innehåller den uppdaterade informationen för MLService.

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "trainingSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "scoringSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "updated": "2019-01-02T00:00:00.000Z"
}

Ta bort en MLService

Du kan ta bort en enskild MLService genom att utföra en DELETE-begäran som innehåller mål-MLService-ID:t i sökvägen för begäran.

API-format

DELETE /mlServices/{MLSERVICE_ID}

Parameter

Beskrivning

{MLSERVICE_ID}

Ett giltigt MLService-ID.

Begäran

curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -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}'

Svar

{
    "title": "Success",
    "status": 200,
    "detail": "MLService deletion was successful"
}

Ta bort MLServices av MLInstance ID

Du kan ta bort alla MLServices som hör till en viss MLInstance genom att utföra en DELETE-begäran som anger ett MLInstance-ID som en frågeparameter.

API-format

DELETE /mlServices?mlInstanceId={MLINSTANCE_ID}

Parameter

Beskrivning

{MLINSTANCE_ID}

Ett giltigt MLInstance-ID.

Begäran

curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices?mlInstanceId=46986c8f-7739-4376-8509-0178bdf32cda \
    -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}'

Svar

{
    "title": "Success",
    "status": 200,
    "detail": "MLServices deletion was successful"
}

recommendation-more-help

cc79fe26-64da-411e-a6b9-5b650f53e4e9