评分功能要求

• 存在两种添加 score 函数对象的方法:
  • 显式，按用户
  • 在watsonx.aiRuntime 资源库中将Python函数保存为资产时使用的方法，隐式地
• score函数可接受一个 JSON 输入参数或两个参数：有效载荷和承载令牌。
• score 函数必须返回 JSON 可序列化对象（例如：字典或列表）。

对输入需求进行评分

• 评分输入有效内容必须包含名为 values的数组，如本示例模式中所示。 input_data 参数在有效内容中是必需的。 input_data 参数还可以包含其他 "名称/值" 对。

  {"input_data": [{
     "values": [["Hello world!"]]
                 }]
  }
  

• 计分输入有效载荷必须作为 "score的输入参数值传递。 通过这种方式，您可以确保在 score中相应地处理 score 输入参数的值。

• 评分输入有效内容必须与相关 Python 函数的输入要求匹配。

• 评分输入有效内容必须包含与 示例输入数据模式匹配的数组。

 {"input_data": [{
    "values": [["Hello, world!"]]
                }]
 }

Python代码示例（有效载荷和令牌）

#wml_python_function
def my_deployable_function():

    def score(payload, token):

        message_from_input_payload = payload.get("input_data")[0].get("values")[0][0]
        response_message = "Received message - {0}".format(message_from_input_payload)

        # Score using the pre-defined model
        score_response = {
            'predictions': [{'fields': ['Response_message_field'],
                             'values': [[response_message]]
                            }]
        }
        return score_response

    return score

score = my_deployable_function()

测试Python函数

下面是测试Python函数的方法：

input_data = { "input_data": [{ "fields": [ "message" ],
                                "values": [[ "Hello, world!" ]]
                               }
                              ]
             }
function_result = score( input_data )
print( function_result )

返回信息 "Hello, world!"。

通过 REST API 创建可部署函数

对于 REST API ，由于 Python 函数是通过文件直接上载的，因此该文件必须已包含 score 函数。 以后需要在 score 函数中使用的任何一次性导入都可以在文件的全局作用域内完成。 当此文件作为 Python 函数部署时，将在部署期间执行全局作用域中可用的一次性导入，稍后只需将其与每个预测请求一起复用。

样本 score 函数文件:

Score function.py
---------------------
def score(input_data):
    return {'predictions': [{'values': [['Just a test']]}]}

具有一次导入的样本 score 函数:

import subprocess
subprocess.check_output('pip install gensim --user', shell=True)
import gensim

def score(input_data):
    return {'predictions': [{'fields': ['gensim_version'], 'values': [[gensim.__version__]]}]}

通过 Python 客户机创建可部署函数

为了将 Python 函数持久存储为资产， Python 客户机使用 wml_client.repository.store_function 方法。 您可以通过两种方式持久化一个Python函数：

• 通过包含Python函数的文件
• 通过功能对象

def my_deployable_function():

    import subprocess
    subprocess.check_output('pip install gensim', shell=True)
    import gensim

    def score(input_data):
        import
        message_from_input_payload = payload.get("input_data")[0].get("values")[0][0]
        response_message = "Received message - {0}".format(message_from_input_payload)

        # Score using the pre-defined model
        score_response = {
            'predictions': [{'fields': ['Response_message_field', 'installed_lib_version'],
                             'values': [[response_message, gensim.__version__]]
                            }]
        }
        return score_response

    return score

function_meta = {
    client.repository.FunctionMetaNames.NAME:"test_function",
    client.repository.FunctionMetaNames.SOFTWARE_SPEC_ID: sw_spec_id
}
func_details = client.repository.store_function(my_deployable_function, function_meta)

score = my_deployable_function()