Schnelleinstieg: Modell für maschinelles Lernen in einem Jupyter Notebook erstellen und bereitstellen

Beispieldaten

Die in diesem Lernprogramm verwendeten Beispieldaten stammen aus Daten, die Teil von scikit-learn sind, und werden zum Trainieren eines Modells verwendet, in dem Bilder von handgeschriebenen Ziffern (0-9) erkannt werden sollen.

• Tipps zum Durcharbeiten dieses Lernprogramms

  Verwenden Sie das Videobild im Bild

  Tipp: Starten Sie das Video. Wenn Sie dann durch das Lernprogramm blättern, wechselt das Video in den Bildmodus. Schließen Sie das Video-Inhaltsverzeichnis für die beste Erfahrung mit Bild-in-Bild. Sie können den Modus "Bild im Bild" verwenden, damit Sie dem Video folgen können, während Sie die Tasks in diesem Lernprogramm ausführen. Klicken Sie auf die Zeitmarken für jede zu befolgende Task.

  Die folgende animierte Abbildung zeigt, wie die Funktionen für Videobilder und Inhaltsverzeichnisse verwendet werden:

  

  Hilfe in der Community anfordern

  Wenn Sie Hilfe bei diesem Lernprogramm benötigen, können Sie eine Frage stellen oder eine Antwort im Diskussionsforum derCloud Pak for Data Communityfinden.

  Browserfenster einrichten

  Damit Sie dieses Lernprogramm optimal nutzen können, öffnen Sie Cloud Pak for Data in einem Browserfenster und lassen Sie diese Lernprogrammseite in einem anderen Browserfenster geöffnet, um einfach zwischen den beiden Anwendungen zu wechseln. Es empfiehlt sich, die beiden Browserfenster nebeneinander anzuordnen, um die weitere Arbeit zu erleichtern.

  

  Tipp: Wenn Sie beim Durcharbeiten dieses Lernprogramms in der Benutzerschnittstelle auf eine geführte Tour stoßen, klicken Sie auf Vielleicht später.

  
  Zurück zum Anfang
  

• Aufgabe 1: Projekt öffnen
  
  

  Sie benötigen ein Projekt zum Speichern der Daten und des Experiments AutoAI . Sie können Ihr Sandboxprojekt verwenden oder ein Projekt erstellen.

  1. Wählen Sie im Navigationsmenü Projekte > Alle Projekte anzeigen aus.

  2. Öffnen Sie Ihr Sandboxprojekt. Wenn Sie ein neues Projekt verwenden möchten:

     1. Klicken Sie auf Neues Projekt.

     2. Wählen Sie Leeres Projekt erstellen aus.

     3. Geben Sie einen Namen und optional eine Beschreibung für das Projekt an.

     4. Wählen Sie eine vorhandene Objektspeicherserviceinstanz aus oder erstellen Sie eine neue.

     5. Klicken Sie auf Erstellen.

  3. Wenn das Projekt geöffnet wird, klicken Sie auf die Registerkarte Verwalten und wählen Sie die Seite Services und Integrationen aus.

     Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 00:07an.

     1. Klicken Sie auf der Registerkarte IBM -Services auf Service zuordnen.

     2. Wählen Sie Ihre Watson Machine Learning -Instanz aus. Wenn Sie noch keine Serviceinstanz von Watson Machine Learning bereitgestellt haben, führen Sie die folgenden Schritte durch:

        1. Klicken Sie auf Neuer Service.

        2. Wählen Sie Watson Machine Learningaus.

        3. Klicken Sie auf Erstellen.

        4. Wählen Sie die neue Serviceinstanz aus der Liste aus.

     3. Klicken Sie auf Service zuordnen.

     4. Klicken Sie bei Bedarf auf Abbrechen , um zur Seite Services & Integrationen zurückzukehren.

  Weitere Informationen oder ein Video finden Sie unter Erstellen eines Projekts.
  Weitere Informationen zu zugeordneten Services finden Sie unter Zugeordnete Services hinzufügen.

  Fortschritt überprüfen

  Die folgende Abbildung zeigt das neue Projekt.
  
  

  

  
  Zurück zum Anfang
  

• Aufgabe 2: Notebook zu Ihrem Projekt hinzufügen
  
  

  Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 00:18an.

  In diesem Lernprogramm verwenden Sie ein Beispielnotebook. Führen Sie die folgenden Schritte aus, um das Beispielnotebook zu Ihrem Projekt hinzuzufügen:

  1. Greifen Sie auf das Notizbuch 'Sckit-learn zum Erkennen handschriftlicher Ziffern' in den Beispielenzu.

  2. Klicken Sie auf Zum Projekt hinzufügen.

  3. Wählen Sie das Projekt in der Liste aus und klicken Sie dann auf Hinzufügen.

  4. Überprüfen Sie den Namen und die Beschreibung des Notebooks (optional).

  5. Wählen Sie eine Laufzeitumgebung für dieses Notebook aus.

  6. Klicken Sie auf Erstellen. Warten Sie, bis der Notebookeditor geladen wurde.

  7. Klicken Sie im Menü auf Kernel > Restart & Clear Outputund klicken Sie anschließend auf Restart and Clear All Outputs , um die Ausgabe der zuletzt gespeicherten Ausführung zu löschen.

  Fortschritt überprüfen

  Die folgende Abbildung zeigt das neue Notizbuch.
  
  

  

  
  Zurück zum Anfang
  

• Aufgabe 3: Umgebung einrichten
  
  

  Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 00:44an.

  Im ersten Abschnitt des Notebooks wird die Umgebung durch Angabe Ihrer IBM Cloud -Berechtigungsnachweise und der Position der Watson Machine Learning -Serviceinstanz eingerichtet. Führen Sie die folgenden Schritte aus, um die Umgebung in Ihrem Notebook einzurichten:

  1. Blättern Sie zum Abschnitt Umgebung einrichten.

  2. Wählen Sie eine Methode zum Abrufen des API-Schlüssels und der Position aus.

     • Führen Sie die IBM Cloud-CLI-Befehle im Notebook über eine Eingabeaufforderung aus.

     • Verwenden Sie die IBM Cloud-Konsole.

       1. Starten Sie den Abschnitt -API-Schlüssel in der IBM Cloud -Konsoleund erstellen Sie einen API-Schlüssel.

       2. Greifen Sie auf Ihre IBM Cloud -Ressourcenlistezu, zeigen Sie Ihre Watson Machine Learning -Serviceinstanz an und notieren Sie die Position.

       3. Die korrekte Endpunkt-URL finden Sie in der Watson Machine Learning -API-Dokumentation . Dallas befindet sich beispielsweise in den USA (Süden).

  3. Fügen Sie Ihren API-Schlüssel und die Position in Zelle 1 ein.

  4. Führen Sie die Zellen 1 und 2 aus.

  5. Führen Sie Zelle 3 aus, um das Paket ibm-watson-machine-learning zu installieren.

  6. Führen Sie Zelle 4 aus, um den API-Client zu importieren und die API-Clientinstanz mit Ihren Berechtigungsnachweisen zu erstellen.

  7. Führen Sie Zelle 5 aus, um eine Liste aller vorhandenen Bereitstellungsbereiche anzuzeigen. Wenn Sie keinen Bereitstellungsbereich haben, führen Sie die folgenden Schritte aus:

     1. Öffnen Sie eine weitere Registerkarte mit Ihrer watsonx -Bereitstellung.

     2. Klicken Sie im Navigationsmenü auf Implementierungen.

     3. Klicken Sie auf Neuer Bereitstellungsbereich.

     4. Fügen Sie einen Namen und optional eine Beschreibung für die Bereitstellung hinzu.

     5. Klicken Sie auf Erstellen und anschließend auf Neuen Bereich anzeigen.

     6. Klicken Sie auf die Registerkarte Verwalten .

     7. Kopieren Sie die Bereichs-GUID und schließen Sie die Registerkarte. Dies ist Ihr Wert Ihr space_id.

  8. Kopieren Sie die entsprechende Bereitstellungsbereichs-ID und fügen Sie sie in Zelle 6 ein. Führen Sie dann Zelle 6 und Zelle 7 aus, um den Standardbereich festzulegen.

  Fortschritt überprüfen

  Die folgende Abbildung zeigt das Notebook mit allen definierten Umgebungsvariablen.
  
  

  

  
  Zurück zum Anfang
  

• Task 4: Notebook ausführen
  
  

  Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 02:14an.

  Nachdem nun alle Umgebungsvariablen eingerichtet sind, können Sie die übrigen Zellen im Notebook ausführen. Gehen Sie wie folgt vor, um die Kommentare zu lesen, die Zellen auszuführen und die Ausgabe zu überprüfen:

  1. Führen Sie die Zellen im Abschnitt Daten untersuchen aus.

  2. Führen Sie die Zellen im Abschnitt Scikit-learn-Modell erstellen aus.

     1. Bereiten Sie die Daten vor, indem Sie sie in drei Datasets aufteilen (Training, Test und Bewertung).

     2. Erstellen Sie die Pipeline.

     3. Trainieren Sie das Modell.

     4. Evaluieren Sie das Modell mithilfe der Testdaten.

  3. Führen Sie die Zellen im Abschnitt Modell publizieren aus, um das Modell zu publizieren, Modelldetails abzurufen und alle Modelle abzurufen.

  4. Führen Sie die Zellen im Abschnitt Modellbereitstellung erstellen aus.

  5. Führen Sie die Zellen im Abschnitt Bereitstellungsdetails abrufen aus.

  6. Führen Sie die Zellen im Abschnitt Score * aus, der eine Scoring-Anforderung an das bereitgestellte Modell sendet und die Vorhersage anzeigt.

  7. Klicken Sie auf Datei > Speichern , um das Notebook und seine Ausgabe zu speichern.

  Fortschritt überprüfen

  Die folgende Abbildung zeigt das Notebook mit der Vorhersage.
  
  

  

  
  Zurück zum Anfang
  

• Task 5: Bereitgestelltes Modell im Bereitstellungsbereich anzeigen und testen
  
  

  Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 04:07an.

  Sie können die Modellbereitstellung auch direkt im Bereitstellungsbereich anzeigen. Führen Sie die folgenden Schritte aus, um das bereitgestellte Modell im Bereich zu testen.

  1. Klicken Sie im Navigationsmenü auf Implementierungen.

  2. Klicken Sie auf die Registerkarte Bereiche .

  3. Wählen Sie den entsprechenden Bereitstellungsbereich aus der Liste aus.

  4. Klicken Sie auf Scikit-Modell.

  5. Klicken Sie auf Implementierung des Scikit-Modells.

  6. Überprüfen Sie den Endpunkt und die Code-Snippets.

  7. Klicken Sie auf die Registerkarte Test. Sie können das bereitgestellte Modell testen, indem Sie den folgenden JSON-Code einfügen:

        {"input_data": [{"values": [[0.0, 0.0, 5.0, 16.0, 16.0, 3.0, 0.0, 0.0, 0.0, 0.0, 9.0, 16.0, 7.0, 0.0, 0.0, 0.0, 0.0, 0.0, 12.0, 15.0, 2.0, 0.0, 0.0, 0.0, 0.0, 1.0, 15.0, 16.0, 15.0, 4.0, 0.0, 0.0, 0.0, 0.0, 9.0, 13.0, 16.0, 9.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 14.0, 12.0, 0.0, 0.0, 0.0, 0.0, 5.0, 12.0, 16.0, 8.0, 0.0, 0.0, 0.0, 0.0, 3.0, 15.0, 15.0, 1.0, 0.0, 0.0], [0.0, 0.0, 6.0, 16.0, 12.0, 1.0, 0.0, 0.0, 0.0, 0.0, 5.0, 16.0, 13.0, 10.0, 0.0, 0.0, 0.0, 0.0, 0.0, 5.0, 5.0, 15.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 8.0, 15.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 13.0, 13.0, 0.0, 0.0, 0.0, 0.0, 0.0, 6.0, 16.0, 9.0, 4.0, 1.0, 0.0, 0.0, 3.0, 16.0, 16.0, 16.0, 16.0, 10.0, 0.0, 0.0, 5.0, 16.0, 11.0, 9.0, 6.0, 2.0]]}]}
     

  8. Klicken Sie auf Vorhersage. Die resultierende Vorhersage gibt an, dass die handgeschriebenen Ziffern 5 und 4 sind.

  Fortschritt überprüfen

  Die folgende Abbildung zeigt die Registerkarte Test mit der Vorhersage.
  
  

  

  
  Zurück zum Anfang
  

• (Optional) Task 6: Bereinigen
  
  

  Wenn Sie alle Assets entfernen möchten, die vom Notebook erstellt wurden, erstellen Sie ein neues Notebook auf der Basis des Machine Learning -Artefaktmanagementnotebooks. Ein Link zu diesem Notebook ist auch im Abschnitt zum Bereinigen im Abschnitt Use scikit-learn to recognize hand-written digits notebook in diesem Lernprogramm verfügbar.

  
  Zurück zum Anfang