Google Machine Learning Engine এক্সটেনশন

আপনি Apigee Edge ডকুমেন্টেশন দেখছেন।
Apigee X ডকুমেন্টেশন দেখুন। তথ্য

ভার্সন 1.2.2

Cloud Machine Learning Engine-এর থেকে পূর্বাভাস পাওয়ার অনুরোধ করুন। predict অ্যাকশনের মাধ্যমে, আপনি আগে থেকে ট্রেনিং দেওয়া মডেলের থেকে প্রেডিকশনের অনুরোধ করতে এবং তা পরিবেশন করতে পারবেন।

আপনার Google Cloud প্রোজেক্ট আইডি ও ক্রেডেনশিয়াল দিয়ে এই এক্সটেনশন কনফিগার করার পরে, আপনি ExtensionCallout নীতি ব্যবহার করে API প্রক্সি থেকে কল করেন। আপনার নীতি কনফিগারেশনে, আপনি কোন মডেল ও মডেল ভার্সন ব্যবহার করতে চান তা উল্লেখ করেন, পাশাপাশি আপনি চান যে মডেলটি অনুমান করার জন্য কোন ইনস্ট্যান্স ডেটা ব্যবহার করুক তাও উল্লেখ করেন।

Cloud ML Engine ব্যবহার শুরু করতে, Cloud ML Engine-এর সাথে প্রাথমিক পরিচয় দেখুন।

পূর্বশর্ত

এই এক্সটেনশন কনফিগার ও ব্যবহার করার জন্য এই কন্টেন্ট রেফারেন্স প্রদান করে। ExtensionCallout নীতি ব্যবহার করে API প্রক্সি থেকে এক্সটেনশন ব্যবহার করার আগে, আপনাকে অবশ্যই:

1. আপনার কাছে মডেল আছে কিনা তা নিশ্চিত করুন।

   Cloud ML Engine মডেল ও অন্যান্য ধারণা সম্পর্কে আরও জানতে, প্রোজেক্ট, মডেল, ভার্সন ও জব দেখুন।

2. পরিষেবা অ্যাকাউন্টের জন্য কী তৈরি করতে GCP Console ব্যবহার করুন।

3. কনফিগারেশন রেফারেন্স ব্যবহার করে এক্সটেনশন যোগ ও কনফিগার করার সময়, ফলাফল হিসেবে প্রাপ্ত কী JSON ফাইলের কন্টেন্ট ব্যবহার করুন।

Google Cloud Machine Learning Engine সম্পর্কে

Google Cloud Platform-এর রিসোর্স ব্যবহার করে মেশিন লার্নিং মডেলকে ট্রেনিং দেওয়ার জন্য আপনি Cloud Machine Learning Engine ব্যবহার করতে পারবেন। আপনি Cloud ML Engine-এ আপনার প্রশিক্ষণপ্রাপ্ত মডেল হোস্ট করতে পারবেন যাতে আপনি সেগুলিতে পূর্বাভাস সংক্রান্ত অনুরোধ পাঠাতে পারেন এবং GCP পরিষেবা ব্যবহার করে আপনার মডেল ও জব ম্যানেজ করতে পারেন।

ক্রিয়াসমূহ

পূর্বাভাস দেওয়া

নির্দিষ্ট মডেল ব্যবহার করে নির্দিষ্ট ইনস্ট্যান্স ডেটা সম্পর্কে ভবিষ্যদ্বাণী করা।

<Action>predict</Action>
<Input><![CDATA[{
  "model" : model-for-prediction,
  "version" : model-version,
  "instances" : data-to-use-for-making-prediction
}]]></Input>

<Action>predict</Action>
<Input><![CDATA[{
  "model" : mymodel,
  "version" : version4,
  "instances" : {"instances": ["the quick brown fox", "la bruja le dio"]}
}]]></Input>

অনুরোধের প্যারামিটার

রেসপন্স

predictions অ্যারে যাতে ExtensionCallout নীতি কনফিগারেশনে উল্লেখ করা মডেলের মাধ্যমে রিটার্ন করা প্রেডিকশন ডেটা অন্তর্ভুক্ত থাকে।

{
  "predictions": [
    {
      "probabilities": [
        0.9435398578643799,
        0.05646015331149101
      ],
      "logits": [
        -2.816103458404541
      ],
      "classes": [
        "0"
      ],
      "class_ids": [
        0
      ],
      "logistic": [
        0.056460149586200714
      ]
    },
    {
      "probabilities": [
        0.9271764755249023,
        0.07282354682683945
      ],
      "logits": [
        -2.54410457611084
      ],
      "classes": [
        "0"
      ],
      "class_ids": [
        0
      ],
      "logistic": [
        0.07282353937625885
      ]
    }
  ]
}

কনফিগারেশন রেফারেন্স

API প্রক্সিতে ব্যবহারের জন্য এই এক্সটেনশন কনফিগার ও ডেপ্লয় করার সময় নিম্নলিখিত বিষয়গুলি ব্যবহার করুন। Apigee কনসোল ব্যবহার করে এক্সটেনশন কনফিগার করার ধাপগুলি জানতে, এক্সটেনশন যোগ করা ও কনফিগার করা দেখুন।

এক্সটেনশনের সাধারণ প্রপার্টি

নিম্নলিখিত বৈশিষ্ট্যগুলি প্রতিটি এক্সটেনশনের জন্য উপস্থিত রয়েছে।

এই এক্সটেনশন প্যাকেজের প্রপার্টি

এই এক্সটেনশনের জন্য নির্দিষ্ট নিম্নলিখিত কনফিগারেশন প্রপার্টির ভ্যালু উল্লেখ করুন।