Show Menu
화제×

모델 트레이닝 및 평가(API)

이 자습서에서는 API 호출을 사용하여 모델을 생성, 교육 및 평가하는 방법을 보여줍니다. API 설명서의 자세한 목록은 이 문서를 참조하십시오.

전제 조건

API 를 사용하여 패키징된 레서피 가져오기를 사용하여 엔진 제작을 수행합니다. 이 방법은 API를 사용하여 모델을 트레이닝하고 평가하는 데 필요합니다.
이 자습서에 따라 API 호출 작업을 시작할 수 있습니다.
이제 튜토리얼에서 다음 값을 사용할 수 있습니다.
  • {ACCESS_TOKEN} :인증 후에 제공된 특정 베어러 토큰 값입니다.
  • {IMS_ORG} :고유한 Adobe Experience Platform 통합에 포함된 IMS 조직 자격 증명
  • {API_KEY} :고유한 Adobe Experience Platform 통합에 있는 특정 API 키 값
  • 지능형 서비스의 Docker 이미지에 연결

API 워크플로우

API를 사용하여 트레이닝을 위한 실험 실행을 만듭니다. 이 튜토리얼에서는 엔진, MLInessions 및 실험 ​끝점에 중점을 둡니다 . 다음 차트에서는 세 가지 요소 간의 관계를 간략히 설명하고 Run과 Model의 개념을 소개합니다.
"Engine", "MLInstance", "MLService", "Experiment" 및 "Model"은 UI에서 다른 용어로 언급됩니다. UI에서 오는 경우 다음 표에 차이가 매핑됩니다.
UI 용어
API 용어
레서피
엔진
모델
MLInstance
교육 실행
실험
서비스
MLService

MLInstance 만들기

다음 요청을 사용하여 MLInstance를 만들 수 있습니다. API 튜토리얼을 사용하여 패키징된 레서피 가져오기에서 엔진을 만들 때 {ENGINE_ID} 반환된 코드를 사용하게 됩니다.
요청
curl -X POST \
  https://platform.adobe.io/data/sensei/mlInstances \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'Content-Type: application/vnd.adobe.platform.sensei+json;profile=mlInstance.v1.json' \
  -H 'x-api-key: {API_KEY}' \
  -H 'x-gw-ims-org-id: {IMS_ORG}' \
  -d `{JSON_PAYLOAD}`

{ACCESS_TOKEN} :인증 후에 제공된 특정 베어러 토큰 값입니다. {IMS_ORG} :고유한 Adobe Experience Platform 통합에 포함된 IMS 조직 자격 증명 {API_KEY} :고유한 Adobe Experience Platform 통합에 있는 특정 API 키 값 {JSON_PAYLOAD} :MLInstance 구성 튜토리얼에서 사용하는 예는 다음과 같습니다.
{
    "name": "Retail - Instance",
    "description": "Instance for ML Instance",
    "engineId": "{ENGINE_ID}",
    "createdBy": {
        "displayName": "John Doe",
        "userId": "johnd"
    },
    "tags": {
        "purpose": "tutorial"
    },
    "tasks": [
        {
            "name": "train",
            "parameters": [
                {
                    "key": "numFeatures",
                    "value": "10"
                },
                {
                    "key": "maxIter",
                    "value": "2"
                },
                {
                    "key": "regParam",
                    "value": "0.15"
                },
                {
                    "key": "trainingDataLocation",
                    "value": "sample_training_data.csv"
                }
            ]
        },
        {
            "name": "score",
            "parameters": [
                {
                    "key": "scoringDataLocation",
                    "value": "sample_scoring_data.csv"
                },
                {
                    "key": "scoringResultsLocation",
                    "value": "scoring_results.net"
                }
            ]
        }
    ]
}

In {JSON_PAYLOAD} the, we define parameters used for training and scoring in the tasks array. 은 {ENGINE_ID} 사용할 엔진의 ID이고 tag 필드는 인스턴스를 식별하는 데 사용되는 선택적 매개 변수입니다.
응답에는 만들어진 MLInstance를 {INSTANCE_ID} 나타내는 값이 포함됩니다. 구성이 다른 여러 모델 MLInestas를 만들 수 있습니다.
응답
{
    "id": "{INSTANCE_ID}",
    "name": "Retail - Instance",
    "description": "Instance for ML Instance",
    "engineId": "{ENGINE_ID}",
    "created": "2018-21-21T11:11:11.111Z",
    "createdBy": {
        "displayName": "John Doe",
        "userId": "johnd"
    },
    "updated": "2018-21-01T11:11:11.111Z",
    "deleted": false,
    "tags": {
        "purpose": "tutorial"
    },
    "tasks": [
        {
            "name": "train",
            "parameters": [...]
        },
        {
            "name": "score",
            "parameters": [...]
        }
    ]
}

{ENGINE_ID} :MLInstance가 만들어지는 엔진을 나타내는 이 ID입니다. {INSTANCE_ID} :MLInstance를 나타내는 ID입니다.

실험 만들기

실험 방법은 데이터 과학자가 트레이닝 동안 고성능의 모델에 도달하기 위해 사용합니다. 데이터 세트, 기능, 학습 매개 변수 및 하드웨어를 변경하는 것이 여러 가지 실험입니다. 다음은 실험 만들기의 예입니다.
요청
curl -X POST \
  https://platform.adobe.io/data/sensei/experiments \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'Content-Type: application/vnd.adobe.platform.sensei+json;profile=experiment.v1.json' \
  -H 'x-gw-ims-org-id: {IMS_ORG}' \
  -H 'x-api-key: {API_KEY' \
  -d `{JSON PAYLOAD}`

{IMS_ORG} :고유한 Adobe Experience Platform 통합에 포함된 IMS 조직 자격 증명 {ACCESS_TOKEN} :인증 후에 제공된 특정 베어러 토큰 값입니다. {API_KEY} :고유한 Adobe Experience Platform 통합에 있는 특정 API 키 값 {JSON_PAYLOAD} :만든 개체를 실험해 보십시오. 튜토리얼에서 사용하는 예는 다음과 같습니다.
{
    "name": "Experiment for Retail ",
    "mlInstanceId": "{INSTANCE_ID}",
    "tags": {
        "test": "guide"
    }
}

{INSTANCE_ID} :MLInstance를 나타내는 ID입니다.
실험 생성의 응답은 다음과 같습니다.
응답
{
    "id": "{EXPERIMENT_ID}",
    "name": "Experiment for Retail",
    "mlInstanceId": "{INSTANCE_ID}",
    "created": "2018-01-01T11:11:11.111Z",
    "updated": "2018-01-01T11:11:11.111Z",
    "deleted": false,
    "tags": {
        "test": "guide"
    }
}

{EXPERIMENT_ID} :방금 만든 실험을 나타내는 ID입니다. {INSTANCE_ID} :MLInstance를 나타내는 ID입니다.

예약된 교육 실험 만들기

예약된 실험은 API 호출을 통해 각 단일 실험 실행을 만들 필요가 없도록 사용됩니다. 대신 Experiment 생성 중에 필요한 모든 매개 변수를 제공하며 각 실행이 주기적으로 생성됩니다.
예약된 실험 만들기를 나타내려면 요청 본문에 template 섹션을 추가해야 합니다. 에서 template 실행을 예약하는 데 필요한 모든 매개 변수(예: tasks 작업, 예약된 실행 시간 schedule 표시)가 포함됩니다.
요청
curl -X POST \
  https://platform.adobe.io/data/sensei/experiments \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'Content-Type: application/vnd.adobe.platform.sensei+json;profile=experiment.v1.json' \
  -H 'x-gw-ims-org-id: {IMS_ORG}' \
  -H 'x-api-key: {API_KEY}' \
  -d '{JSON_PAYLOAD}`

{IMS_ORG} :고유한 Adobe Experience Platform 통합에 포함된 IMS 조직 자격 증명 {ACCESS_TOKEN} :인증 후에 제공된 특정 베어러 토큰 값입니다. {API_KEY} :고유한 Adobe Experience Platform 통합에 있는 특정 API 키 값 {JSON_PAYLOAD} :게시할 데이터 세트입니다. 튜토리얼에서 사용하는 예는 다음과 같습니다.
{
    "name": "Experiment for Retail",
    "mlInstanceId": "{INSTANCE_ID}",
    "template": {
        "tasks": [{
            "name": "train",
            "parameters": [
                   {
                        "value": "1000",
                        "key": "numFeatures"
                    }
            ],
            "specification": {
                "type": "SparkTaskSpec",
                "executorCores": 5,
                "numExecutors": 5
            }
        }],
        "schedule": {
            "cron": "*/20 * * * *",
            "startTime": "2018-11-11",
            "endTime": "2019-11-11"
        }
    }
}

실험(Experiment)을 만들 {JSON_PAYLOAD} 때 본문에는 mlInstanceId 또는 mlInstanceQuery 매개 변수가 포함되어야 합니다. 이 예에서 예약된 Experiment는 20분마다 cron 매개 변수에 설정된 실행을 startTime Experiment에서 Experiment endTime 까지 호출합니다.
응답
{
    "id": "{EXPERIMENT_ID}",
    "name": "Experiment for Retail",
    "mlInstanceId": "{INSTANCE_ID}",
    "created": "2018-11-11T11:11:11.111Z",
    "updated": "2018-11-11T11:11:11.111Z",
    "deleted": false,
    "workflowId": "endid123_0379bc0b_8f7e_4706_bcd9_1a2s3d4f5g_abcdf",
    "template": {
        "tasks": [
            {
                "name": "train",
                "parameters": [...],
                "specification": {
                    "type": "SparkTaskSpec",
                    "executorCores": 5,
                    "numExecutors": 5
                }
            }
        ],
        "schedule": {
            "cron": "*/20 * * * *",
            "startTime": "2018-07-04",
            "endTime": "2018-07-06"
        }
    }
}

{EXPERIMENT_ID} :실험을 나타내는 ID입니다. {INSTANCE_ID} :MLInstance를 나타내는 ID입니다.

트레이닝을 위한 실험 실행 만들기

Experiment 엔티티가 만들어지면 아래 호출을 사용하여 교육 실행을 만들고 실행할 수 있습니다. 요청 본문에 트리거할 {EXPERIMENT_ID} 항목을 mode 입력하고 상태를 표시합니다.
요청
curl -X POST \
  https://platform.adobe.io/data/sensei/experiments/{EXPERIMENT_ID}/runs \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'Content-Type: application/vnd.adobe.platform.sensei+json;profile=experimentRun.v1.json' \
  -H 'x-gw-ims-org-id: {IMS_ORG}' \
  -H 'x-api-key: {API_KEY}' \
  -d '{JSON_PAYLOAD}'

{EXPERIMENT_ID} :타깃팅할 실험에 해당하는 ID입니다. 이것은 실험을 만들 때 응답에서 찾을 수 있습니다. {IMS_ORG} :고유한 Adobe Experience Platform 통합에 포함된 IMS 조직 자격 증명 {ACCESS_TOKEN} :인증 후에 제공된 특정 베어러 토큰 값입니다. {API_KEY} :고유한 Adobe Experience Platform 통합에 있는 특정 API 키 값 {JSON_PAYLOAD} :교육 실행을 만들려면 본문에 다음을 포함해야 합니다.
{
    "mode":"Train"
}

다음 tasks 배열을 포함하여 구성 매개 변수를 재정의할 수도 있습니다.
{
   "mode":"Train",
   "tasks": [
        {
           "name": "train",
           "parameters": [
                {
                   "key": "numFeatures",
                   "value": "2"
                }
            ]
        }
    ]
}

아래의 {EXPERIMENT_RUN_ID} 및 구성을 알려주는 다음 응답을 받게 tasks 됩니다.
응답
{
    "id": "{EXPERIMENT_RUN_ID}",
    "mode": "train",
    "experimentId": "{EXPERIMENT_ID}",
    "created": "2018-01-01T11:11:11.903Z",
    "updated": "2018-01-01T11:11:11.903Z",
    "deleted": false,
    "tasks": [
        {
            "name": "Train",
            "parameters": [...]
        }
    ]
}

{EXPERIMENT_RUN_ID} : 실험 실행을 나타내는 ID입니다. {EXPERIMENT_ID} :실험 실행이 적용되는 실험을 나타내는 ID입니다.

실험 실행 상태 검색

실험 실행의 상태를 로 쿼리할 수 {EXPERIMENT_RUN_ID} 있습니다.
요청
curl -X GET \
  https://platform.adobe.io/data/sensei/experiments/{EXPERIMENT_ID}/runs/{EXPERIMENT_RUN_ID}/status \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-gw-ims-org-id: {IMS_ORG}' \
  -H 'x-api-key: {API_KEY}'

{EXPERIMENT_ID} :실험을 나타내는 ID입니다. {EXPERIMENT_RUN_ID} :실험 실행을 나타내는 ID입니다. {ACCESS_TOKEN} :인증 후에 제공된 특정 베어러 토큰 값입니다. {IMS_ORG} :고유한 Adobe Experience Platform 통합에 포함된 IMS 조직 자격 증명 {API_KEY} :고유한 Adobe Experience Platform 통합에 있는 특정 API 키 값
응답
GET 호출은 아래와 같이 state 매개 변수의 상태를 제공합니다.
{
    "id": "{EXPERIMENT_ID}",
    "name": "RunStatus for experimentRunId {EXPERIMENT_RUN_ID}",
    "experimentRunId": "{EXPERIMENT_RUN_ID}",
    "deleted": false,
    "status": {
        "tasks": [
            {
                "id": "{MODEL_ID}",
                "state": "DONE",
                "tasklogs": [
                    {
                        "name": "execution",
                        "url": "https://mlbaprod1sapwd7jzid.file.core.windows.net/..."
                    },
                    {
                        "name": "stderr",
                        "url": "https://mlbaprod1sapwd7jzid.file.core.windows.net/..."
                    },
                    {
                        "name": "stdout",
                        "url": "https://mlbaprod1sapwd7jzid.file.core.windows.net/..."
                    }
                ]
            }
        ]
    }
}

{EXPERIMENT_RUN_ID} : 실험 실행을 나타내는 ID입니다. {EXPERIMENT_ID} :실험 실행이 적용되는 실험을 나타내는 ID입니다.
주 외에 다른 DONE 주들은 다음과 같습니다.
  • PENDING
  • RUNNING
  • FAILED
자세한 내용은 tasklogs 매개 변수 아래에서 세부 로그를 확인할 수 있습니다.

교육된 모델 읽어들이기

트레이닝 중에 위의 트레이닝 모델을 만들기 위해 다음의 요청을 합니다.
요청
curl -X GET \
  'https://platform.adobe.io/data/sensei/models/?property=experimentRunId=={EXPERIMENT_RUN_ID}' \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-gw-ims-org-id: {IMS_ORG}'

{EXPERIMENT_RUN_ID} :타깃팅할 실험 실행에 해당하는 ID입니다. 이것은 실험 실행을 만들 때 응답에서 찾을 수 있습니다. {ACCESS_TOKEN} :인증 후에 제공된 특정 베어러 토큰 값입니다. {IMS_ORG} :고유한 Adobe Experience Platform 통합에 포함된 IMS 조직 자격 증명
응답은 생성된 훈련된 모델을 나타냅니다.
응답
{
    "children": [
        {
            "id": "{MODEL_ID}",
            "name": "Tutorial trained Model",
            "experimentId": "{EXPERIMENT_ID}",
            "experimentRunId": "{EXPERIMENT_RUN_ID}",
            "description": "trained model for ID",
            "modelArtifactUri": "wasb://test-models@mlpreprodstorage.blob.core.windows.net/{MODEL_ID}",
            "created": "2018-01-01T11:11:11.011Z",
            "updated": "2018-01-01T11:11:11.011Z",
            "deleted": false
        }
    ],
    "_page": {
        "property": "ExperimentRunId=={EXPERIMENT_RUN_ID},deleted!=true",
        "count": 1
    }
}

{MODEL_ID} :모델에 해당하는 ID입니다. {EXPERIMENT_ID} : 실험 실행의 실험에 해당하는 ID입니다. {EXPERIMENT_RUN_ID} :실험 실행에 해당하는 ID입니다.

예약된 실험 중지 및 삭제

예약된 Experiment의 실행을 중지하려면 DELETE 요청을 endTime Experiment에 쿼리하여 {EXPERIMENT_ID}
요청
curl -X DELETE \
  'https://platform.adobe.io/data/sensei/experiments/{EXPERIMENT_ID}' \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-gw-ims-org-id: {IMS_ORG}'

{EXPERIMENT_ID} : 실험에 해당하는 ID입니다. {ACCESS_TOKEN} :인증 후에 제공된 특정 베어러 토큰 값입니다. {IMS_ORG} :고유한 Adobe Experience Platform 통합에 포함된 IMS 조직 자격 증명
API 호출에서는 새 Experiment 실행을 만들 수 없습니다. 하지만 이미 실행 중인 실험 실행의 실행을 중지하지 않습니다.
다음은 실험이 성공적으로 삭제되었음을 알리는 응답입니다.
응답
{
    "title": "Success",
    "status": 200,
    "detail": "Experiment successfully deleted"
}

다음 단계

이 자습서에서는 API를 사용하여 엔진, 실험, 예약된 실험 실행 및 트레이닝된 모델을 만드는 방법을 살펴보았습니다. 다음 연습에서는 성과가 가장 높은 트레이닝된 모델을 사용하여 새로운 데이터 세트를 채점함으로써 예측을 하게 됩니다.