점수 기능 요구사항

• score 함수 오브젝트를 추가하는 두 가지 방법이 있습니다.
  • 사용자가 명시적으로
  • 암시적으로, Python 함수를 watsonx.ai 런타임 저장소에 에셋으로 저장하는 데 사용되는 방법을 통해
• ' score ' 함수는 단일 JSON 입력 매개변수 또는 페이로드와 무기명 토큰의 두 가지 매개변수를 사용할 수 있습니다.
• score 함수는 JSON-직렬화 가능 오브젝트(예: 사전 또는 목록)를 리턴해야 합니다.

스코어링 입력 요구사항

• 스코어링 입력 페이로드에는 이 예제 스키마에 표시된 대로 이름이 values인 배열이 포함되어야 합니다. input_data 매개변수는 페이로드에서 필수입니다. input_data 매개변수에는 추가 이름-값 쌍도 포함될 수 있습니다.

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

• 채점 입력 페이로드는 ' score'의 입력 파라미터 값으로 전달되어야 합니다. 이러한 방식으로 score 입력 매개변수의 값이 score내에서 적절하게 처리되는지 확인할 수 있습니다.

• 스코어링 입력 페이로드는 관련 Python 함수의 입력 요구사항과 일치해야 합니다.

• 스코어링 입력 페이로드에는 예 입력 데이터 스키마와 일치하는 배열이 포함되어야 합니다.

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

Python 코드 예시(페이로드 및 토큰)

#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()

Python 함수 테스트

Python 함수를 테스트하는 방법은 다음과 같습니다:

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

"안녕하세요, 세상!"이라는 메시지를 반환합니다.

REST API를 통해 배치 가능한 함수 작성

REST API의 경우 Python 함수가 파일을 통해 직접 업로드되므로 파일에는 이미 score 함수가 포함되어 있어야 합니다. score 함수에서 나중에 사용하기 위해 수행해야 하는 일회성 가져오기는 파일의 글로벌 범위 내에서 수행할 수 있습니다. 이 파일이 Python 함수로 배치되면 글로벌 범위에서 사용 가능한 일회성 가져오기가 배치 중에 실행되고 나중에 모든 예측 요청에 단순히 재사용됩니다.

샘플 score 함수 파일:

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

한 번의 가져오기를 사용하는 샘플 score 함수:

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__]]}]}

Python 클라이언트를 통해 배치 가능한 기능 작성

Python 기능을 자산으로 지속하기 위해 Python 클라이언트는 wml_client.repository.store_function 메소드를 사용합니다. 두 가지 방법으로 Python 함수를 지속할 수 있습니다:

• Python 함수가 포함된 파일을 통해
• 함수 객체를 통해

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()