Show Menu
SUJETS×

compresser les fichiers source dans une recette ;

Ce didacticiel fournit des instructions sur la manière de regrouper les exemples de fichiers source fournis par les ventes au détail dans un fichier d'archive, qui peut être utilisé pour créer une recette dans l'Adobe Experience Platform Data Science Workspace en suivant le processus d'importation des recettes dans l'interface utilisateur ou à l'aide de l'API.
Concepts à comprendre :
  • Recettes : Une recette est un terme Adobe pour une spécification de modèle et est un conteneur de niveau supérieur qui représente un apprentissage automatique, un algorithme d'intelligence artificielle ou un ensemble d'algorithmes, une logique de traitement et une configuration nécessaires pour construire et exécuter un modèle formé et aider ainsi à résoudre des problèmes commerciaux spécifiques.
  • Fichiers source : Fichiers individuels de votre projet contenant la logique d'une recette.

Conditions préalables

Création de recettes

débuts de création de recette avec mise en package des fichiers source pour créer un fichier d'archive. Les fichiers source définissent la logique d’apprentissage automatique et les algorithmes utilisés pour résoudre un problème spécifique à l’étude et sont écrits dans PythonR, PySpark ou Scala. Les fichiers d'archives créés prennent la forme d'une image Docker. Une fois créé, le fichier d'archive compressé est importé dans Data Science Workspace pour créer une recette dans l'interface utilisateur ou à l'aide de l'API .

Création de modèles basés sur un Docker

Une image Docker permet au développeur d'assembler une application avec toutes les parties dont il a besoin, telles que les bibliothèques et d'autres dépendances, et de l'expédier sous la forme d'un package unique.
L'image Docker construite est envoyée au Registre du Conteneur Azure à l'aide des informations d'identification qui vous ont été fournies pendant le processus de création de la recette.
Pour obtenir vos informations d'identification de Registre Azure Conteneur, connectez-vous à platform.adobe.com Adobe Experience Platform. Dans la colonne de navigation de gauche, accédez aux Workflows . Sélectionnez Importer la recette , puis sélectionnez Lancement . Voir la capture d'écran ci-dessous pour référence.
La page Configurer s’ouvre. Indiquez un nom de recette approprié, par exemple "Recette des ventes au détail", et éventuellement une description ou une URL de documentation. Une fois terminé, cliquez sur Suivant .
Sélectionnez l’ exécution appropriée, puis choisissez une classification pour Type . Les informations d'identification de votre Registre Azure Conteneur sont générées une fois l'opération terminée.
*Type *est la classe de problème d'apprentissage automatique pour laquelle la recette est conçue et est utilisée après la formation pour aider à personnaliser l'évaluation de la course de formation.
  • Pour Python les recettes, sélectionnez l'exécution Python .
  • Pour les recettes R, sélectionnez le runtime R .
  • Pour les recettes PySpark, sélectionnez le runtime PySpark . Un type d’artefact est renseigné automatiquement.
  • Pour les recettes Scala, sélectionnez le runtime Spark . Un type d’artefact est renseigné automatiquement.
Notez les valeurs de l'hôte ** Docker, du nom d' utilisateur et du mot de passe . Elles sont utilisées pour créer et pousser votre Docker image dans les workflows décrits ci-dessous.
L’URL source est fournie après avoir exécuté les étapes décrites ci-dessous. Le fichier de configuration est expliqué dans les didacticiels suivants, qui se trouvent dans les étapes Étapes suivantes suivantes.

Assemblage des fichiers source

Début en obtenant l’exemple de code de base trouvé dans le référentiel de référence experience-platform-dsw-reference Data Science Workspace Experience Platform.

Créer une image Python Dock

Si vous ne l’avez pas fait, clonez le référentiel sur votre système local à l’aide de la commande suivante : GitHub
git clone https://github.com/adobe/experience-platform-dsw-reference.git

Navigate to the directory experience-platform-dsw-reference/recipes/python/retail . Ici, vous trouverez les scripts login.sh et build.sh utilisés pour vous connecter à Docker et pour construire l' Python Docker image. Si vos informations d'identification Création de modèles basés sur un Docker Docker sont prêtes, saisissez les commandes suivantes dans l'ordre :
# for logging in to Docker
./login.sh
 
# for building Docker image
./build.sh

Notez que lors de l'exécution du script de connexion, vous devez fournir l'hôte, le nom d'utilisateur et le mot de passe du Docker. Lors de la création, vous devez fournir l'hôte Docker et une balise de version pour la création.
Une fois le script de création terminé, vous recevez une URL de fichier source Docker dans la sortie de console. Pour cet exemple spécifique, il se présente comme suit :
# URL format: 
{DOCKER_HOST}/ml-retailsales-python:{VERSION_TAG}

Copiez cette URL et passez aux étapes Étapes suivantes suivantes.

Générer une Docker image R

Si vous ne l’avez pas fait, clonez le référentiel sur votre système local à l’aide de la commande suivante : GitHub
git clone https://github.com/adobe/experience-platform-dsw-reference.git

Accédez au répertoire experience-platform-dsw-reference/recipes/R/Retail - GradientBoosting dans votre référentiel cloné. Ici, vous trouverez les fichiers login.sh et build.sh ceux que vous utiliserez pour vous connecter à Docker et pour construire l'image R Docker. Si vos informations d'identification Création de modèles basés sur un Docker Docker sont prêtes, saisissez les commandes suivantes dans l'ordre :
# for logging in to Docker
./login.sh
 
# for build Docker image
./build.sh

Notez que lors de l'exécution du script de connexion, vous devez fournir l'hôte, le nom d'utilisateur et le mot de passe du Docker. Lors de la création, vous devez fournir l'hôte Docker et une balise de version pour la création.
Une fois le script de création terminé, vous recevez une URL de fichier source Docker dans la sortie de la console. Pour cet exemple spécifique, il se présente comme suit :
# URL format: 
{DOCKER_HOST}/ml-retail-r:{VERSION_TAG}

Copiez cette URL et passez aux étapes Étapes suivantes suivantes.

Création d’une image PySpark Docker

Début en clonant le référentiel GitHub sur votre système local avec la commande suivante :
git clone https://github.com/adobe/experience-platform-dsw-reference.git

Navigate to the directory experience-platform-dsw-reference/recipes/pyspark/retail . Les scripts login.sh et build.sh sont situés ici et utilisés pour se connecter au Docker et pour créer l'image du Docker. Si vos informations d'identification Création de modèles basés sur un Docker Docker sont prêtes, saisissez les commandes suivantes dans l'ordre :
# for logging in to Docker
./login.sh
 
# for building Docker image
./build.sh

Notez que lors de l'exécution du script de connexion, vous devez fournir l'hôte, le nom d'utilisateur et le mot de passe du Docker. Lors de la création, vous devez fournir l'hôte Docker et une balise de version pour la création.
Une fois le script de création terminé, vous recevez une URL de fichier source Docker dans la sortie de la console. Pour cet exemple spécifique, il se présente comme suit :
# URL format: 
{DOCKER_HOST}/ml-retailsales-pyspark:{VERSION_TAG}

Copiez cette URL et passez aux étapes Étapes suivantes suivantes.

Création d’une image Scala Docker

Début en clonant le référentiel GitHub sur votre système local avec la commande suivante en terminal :
git clone https://github.com/adobe/experience-platform-dsw-reference.git

Accédez ensuite au répertoire experience-platform-dsw-reference/recipes/scala dans lequel vous trouverez les scripts login.sh et build.sh . Ces scripts sont utilisés pour se connecter au Docker et créer l'image du Docker. Si vos informations d'identification du Docker sont prêtes, entrez les commandes suivantes dans le terminal dans l'ordre :
# for logging in to Docker
./login.sh
 
# for building Docker image
./build.sh

Si vous recevez une erreur d'autorisation lors de la tentative de connexion au Docker à l'aide du login.sh script, essayez d'utiliser la commande bash login.sh .
Lors de l'exécution du script de connexion, vous devez indiquer l'hôte, le nom d'utilisateur et le mot de passe du Docker. Lors de la création, vous devez fournir l'hôte Docker et une balise de version pour la création.
Une fois le script de création terminé, vous recevez une URL de fichier source Docker dans la sortie de console. Pour cet exemple spécifique, il se présente comme suit :
# URL format: 
{DOCKER_HOST}/ml-retailsales-spark:{VERSION_TAG}

Copiez cette URL et passez aux étapes Étapes suivantes suivantes.

Étapes suivantes

Ce didacticiel a été consacré à l'emballage des fichiers source dans une recette, étape préalable à l'importation d'une recette dans Data Science Workspace. Vous devez maintenant avoir une image Docker dans le Registre de Conteneur Azure avec l'URL d'image correspondante. Vous êtes maintenant prêt à commencer le didacticiel sur l'importation d'une recette emballée dans Data Science Workspace. Sélectionnez l’un des liens du didacticiel ci-dessous pour commencer :