パッケージ化されたレシピの読み込み (Sensei Machine Learning API)
このチュートリアルでは、 Sensei Machine Learning API を作成するには、 エンジンユーザーインターフェイスの「レシピ」とも呼ばれます。
使い始める前に、Adobe Experience Platform Data Science Workspace は、API と UI 内の類似した要素を示すために異なる用語を使用します。 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. 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 の形式で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、 API への呼び出しをおこなうために、Adobe Experience Platform 認証チュートリアルを完了している必要があります。Platform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}:固有のAdobe Experience Platform統合で見つかった組織の資格情報。{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リクエストを送信する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.nameengine.descriptionengine.typetype 次のいずれか Python, R, PySpark, Spark (Scala) または Tensorflow.artifacts.default.image.location{DOCKER_URL} ここに行く 完全な Docker URL の構造は次のとおりです。 your_docker_host.azurecr.io/docker_image_file:versionartifacts.default.image.nameartifacts.default.image.executionTypeexecutionType 次のいずれか Python, R, PySpark, Spark (Scala) または Tensorflow.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"
}
}
}
}'
namedescriptiontypemlLibraryartifacts.default.image.locationartifacts.default.image.executionTypeRequest 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"
}
}
}
}'
namedescriptiontypemlLibraryartifacts.default.image.locationartifacts.default.image.executionType応答
正常な応答は、新たに作成されたエンジンの一意の ID（id）を含む詳細を含むペイロードを返します。次のレスポンスの例は、 Python エンジン。 この executionType および type キーは、指定されたPOSTに基づいて変更されます。
{
"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。