افزونه موتور یادگیری ماشین گوگل

شما در حال مشاهده مستندات Apigee Edge هستید.
به مستندات Apigee X مراجعه کنید . اطلاعات

نسخه ۱.۲.۱

درخواست پیش‌بینی از موتور یادگیری ماشین ابری . از طریق عمل predict ، می‌توانید از یک مدل آموزش‌دیده موجود، پیش‌بینی‌ها را درخواست و ارائه دهید.

پس از پیکربندی این افزونه با شناسه پروژه و اعتبارنامه‌های Google Cloud خود، می‌توانید با استفاده از خط‌مشی ExtensionCallout ، از یک پروکسی API فراخوانی‌ها را انجام دهید. در پیکربندی خط‌مشی خود، مدل و نسخه مدل مورد استفاده و همچنین داده‌های نمونه‌ای را که می‌خواهید مدل برای پیش‌بینی استفاده کند، مشخص می‌کنید.

برای شروع کار با Cloud ML Engine، به مقدمه‌ای بر Cloud ML Engine مراجعه کنید.

پیش‌نیازها

این محتوا مرجعی برای پیکربندی و استفاده از این افزونه ارائه می‌دهد. قبل از استفاده از افزونه از یک پروکسی API با استفاده از خط‌مشی ExtensionCallout ، باید:

1. مطمئن شوید که یک مدل دارید.

   برای اطلاعات بیشتر در مورد مدل‌های موتور یادگیری ماشین ابری و سایر مفاهیم، ​​به پروژه‌ها، مدل‌ها، نسخه‌ها و مشاغل مراجعه کنید.

2. از کنسول GCP برای تولید کلید برای حساب سرویس استفاده کنید .

3. هنگام افزودن و پیکربندی افزونه با استفاده از مرجع پیکربندی ، از محتویات فایل JSON کلید حاصل استفاده کنید.

درباره موتور یادگیری ماشینی ابری گوگل

شما می‌توانید از موتور یادگیری ماشین ابری برای آموزش مدل‌های یادگیری ماشین با استفاده از منابع پلتفرم ابری گوگل استفاده کنید. می‌توانید مدل‌های آموزش‌دیده خود را روی موتور یادگیری ماشین ابری میزبانی کنید تا بتوانید درخواست‌های پیش‌بینی را برای آنها ارسال کنید و مدل‌ها و کارهای خود را با استفاده از سرویس‌های GCP مدیریت کنید.

اقدامات

پیش‌بینی کردن

با استفاده از مدل مشخص شده، پیش‌بینی‌هایی را روی داده‌های نمونه مشخص شده انجام دهید.

<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>

پارامترهای درخواست

پاسخ

یک آرایه predictions که شامل داده‌های پیش‌بینی برگردانده شده توسط مدل مشخص شده در پیکربندی سیاست ExtensionCallout است.

{
  "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
      ]
    }
  ]
}

مرجع پیکربندی

هنگام پیکربندی و استقرار این افزونه برای استفاده در پروکسی‌های API، از موارد زیر استفاده کنید. برای مراحل پیکربندی یک افزونه با استفاده از کنسول Apigee، به بخش افزودن و پیکربندی یک افزونه مراجعه کنید.

ویژگی‌های افزونه‌های رایج

ویژگی های زیر برای هر افزونه وجود دارد.

ویژگی‌های این بسته الحاقی

مقادیر مربوط به ویژگی‌های پیکربندی زیر را که مختص این افزونه هستند، مشخص کنید.