Przykładowe dane

Dane przykładowe używane w tym kursie pochodzą z danych, które są częścią scikit-learn i będą używane do uczenia modelu w celu rozpoznawania obrazów o ręcznie pisanych cyframi, z zakresu 0-9.

• Wskazówki dotyczące wykonywania tego kursu

  Użyj obrazu wideo

  Wskazówka: Uruchom film wideo, a następnie podczas przewijania kursu film wideo przechodzi do trybu obrazka obrazka. Zamknij spis treści wideo, aby uzyskać najlepsze doświadczenia z obrazem. Możesz użyć trybu obrazka obrazka, aby można było śledzić wideo podczas wykonywania zadań w tym kursie. Kliknij znaczniki czasu dla każdego zadania, które ma być wykonane po nim.

  Poniższy animowany obraz przedstawia sposób korzystania z funkcji obrazków wideo i spisu treści:

  

  Uzyskaj pomoc w społeczności

  Aby uzyskać pomoc dotyczącą tego kursu, można zadać pytanie lub znaleźć odpowiedź na forum dyskusyjnym społeczności Cloud Pak for Data.

  Konfigurowanie okien przeglądarki

  Aby uzyskać optymalne dopasowanie do tego kursu, otwórz stronę Cloud Pak for Data w jednym oknie przeglądarki i pozostaw ten kurs otwarty w innym oknie przeglądarki, aby łatwo przełączać się między dwiema aplikacjami. Rozważ rozmieszczenie dwóch okien przeglądarki obok siebie, aby ułatwić sobie śledzenie.

  

  Wskazówka: Jeśli podczas wykonywania tego kursu w interfejsie użytkownika pojawi się prezentacja z przewodnikiem, kliknij opcję Być może później.

  
  Początek strony
  

• Czynność 1: Otwieranie projektu
  
  

  Potrzebny jest projekt do przechowywania danych i eksperymentu AutoAI . Istnieje możliwość użycia projektu środowiska testowego lub utworzenia projektu.

  1. Z menu nawigacyjnego wybierz opcję Projekty > Wyświetl wszystkie projekty .

  2. Otwórz projekt środowiska testowego. Jeśli chcesz użyć nowego projektu:

     1. Kliknij opcję Nowy projekt.

     2. Wybierz opcję Utwórz pusty projekt.

     3. Wprowadź nazwę i opcjonalny opis projektu.

     4. Wybierz istniejącą instancję usługi obiektowej pamięci masowej lub utwórz nową.

     5. Kliknij makro Create.

  3. Po otwarciu projektu kliknij kartę Manage (Zarządzaj) i wybierz stronę Usługi i integracje (Services and integrations).

     Aby wyświetlić podgląd tego zadania, należy obejrzeć film wideo o godzinie 00:07.

     1. Na karcie UsługiIBM kliknij opcję Powiąż usługę.

     2. Wybierz instancję Watson Machine Learning (Watson Machine Learning). Jeśli instancja usługi Watson Machine Learning nie jest jeszcze udostępniona, wykonaj następujące kroki:

        1. Kliknij opcję Nowa usługa.

        2. Wybierz opcję Watson Machine Learning.

        3. Kliknij makro Create.

        4. Wybierz z listy nową instancję usługi.

     3. Kliknij opcję Powiąż usługę.

     4. Jeśli to konieczne, kliknij przycisk Anuluj , aby powrócić do strony Usługi i integracje .

  Aby uzyskać więcej informacji lub obejrzeć film wideo, należy zapoznać się z sekcją Tworzenie projektu.
  Więcej informacji na temat powiązanych usług zawiera sekcja Dodawanie powiązanych usług.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono nowy projekt.
  
  

  

  
  Początek strony
  

• Czynność 2: dodawanie notatnika do projektu
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo o godzinie 00:18.

  W tym kursie zostanie użyty przykładowy notatnik. Aby dodać przykładowy notatnik do projektu, wykonaj następujące kroki:

  1. Otwórz notatnik Użyj sckit-learn do rozpoznawania ręcznie napisanych cyfr w obszarze Przykłady.

  2. Kliknij opcję Dodaj do projektu.

  3. Wybierz projekt z listy i kliknij przycisk Dodaj.

  4. Sprawdź nazwę i opis notatnika (opcjonalnie).

  5. Wybierz środowisko wykonawcze dla tego notatnika.

  6. Kliknij makro Create. Poczekaj, aż edytor notatnika zostanie załadowany.

  7. W menu kliknij opcję Kernel > Restart & Clear Output(Kernel > Restart & Clear Output), a następnie kliknij opcję Restart and Clear All Outputs (Restartuj i usuń wszystkie dane wyjściowe), aby wyczyścić dane wyjściowe z ostatniego zapisanego uruchomienia.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono nowy notatnik.
  
  

  

  
  Początek strony
  

• Czynność 3: konfigurowanie środowiska
  
  

  Aby wyświetlić podgląd tego zadania, należy obejrzeć film wideo o godzinie 00:44.

  Pierwsza sekcja w notatniku konfiguruje środowisko, określając informacje autoryzacyjne IBM Cloud oraz lokalizację instancji usługi Watson Machine Learning . Aby skonfigurować środowisko w notatniku, wykonaj następujące kroki:

  1. Przewiń do sekcji Konfigurowanie środowiska .

  2. Wybierz metodę, aby uzyskać klucz API i położenie.

     • Uruchom komendy interfejsu CLI IBM Cloud w notatniku z wiersza komend.

     • Użyj konsoli IBM Cloud .

       1. Uruchom sekcję kluczy interfejsu API w konsoli IBM Cloudi utwórz klucz interfejsu API.

       2. Uzyskaj dostęp do listy zasobówIBM Cloud, wyświetl instancję usługi Watson Machine Learning i zanotuj Położenie.

       3. Poprawny adres URL punktu końcowego zawiera dokument Watson Machine Learning API Docs . Na przykład, Dallas jest w nas-na południe.

  3. Wklej klucz API i położenie w komórce 1.

  4. Uruchom komórki 1 i 2.

  5. Uruchom komórkę 3, aby zainstalować pakiet ibm-watson-machine-learning .

  6. Uruchom komórkę 4, aby zaimportować klienta API i utworzyć instancję klienta API, korzystając z referencji.

  7. Uruchom komórkę 5, aby wyświetlić listę wszystkich istniejących obszarów wdrażania. Jeśli obszar wdrażania nie jest używany, należy wykonać następujące czynności:

     1. Otwórz inną kartę przy użyciu wdrożenia watsonx .

     2. W menu nawigacyjnym kliknij opcję Deployments(Wdrożenia).

     3. Kliknij opcję Nowa przestrzeń wdrażania.

     4. Dodaj nazwę i opcjonalny opis wdrożenia.

     5. Kliknij opcję Utwórz, a następnie Wyświetl nową przestrzeń.

     6. Kliknij kartę Zarządzaj.

     7. Skopiuj identyfikator GUID miejsca i zamknij kartę, ta wartość będzie mieć wartość space_id.

  8. Skopiuj i wklej odpowiedni identyfikator obszaru wdrażania do komórki 6, a następnie uruchom komórkę 6 i komórkę 7, aby ustawić obszar domyślny.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono notatnik ze wszystkimi zmiennymi środowiskami ustawionym w górę.
  
  

  

  
  Początek strony
  

• Czynność 4: uruchamianie notatnika
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo rozpoczynający się od strony 02:14.

  Po ustawieniu wszystkich zmiennych środowiskowych można uruchomić pozostałe komórki w notatniku. Wykonaj poniższe kroki, aby przejrzeć komentarze, uruchomić komórki i przejrzeć dane wyjściowe:

  1. Uruchom komórki w sekcji Eksploruj dane .

  2. Uruchom komórki w sekcji Create a scikit-learn model (Utwórz model uczenia).

     1. Przygotuj dane, dzieląc je na trzy zestawy danych (pociąg, test i wynik).

     2. Utwórz potok.

     3. Trenuj model.

     4. Ocena modelu przy użyciu danych testowych.

  3. Uruchom komórki w sekcji Publikuj model , aby opublikować model, uzyskać szczegóły modelu i pobrać wszystkie modele.

  4. Uruchom komórki w sekcji Tworzenie wdrożenia modelu .

  5. Uruchom komórki w sekcji Pobierz szczegóły wdrożenia .

  6. Uruchom komórki w sekcji Wynik *, która wysyła żądanie oceniania do wdrożonego modelu i przedstawia predykcję.

  7. Kliknij opcję Plik > Zapisz , aby zapisać notatnik i jego dane wyjściowe.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono notatnik z predykcją.
  
  

  

  
  Początek strony
  

• Czynność 5: wyświetlanie i testowanie wdrożonego modelu w obszarze wdrażania
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo począwszy od wersji 04:07.

  Istnieje również możliwość wyświetlenia wdrożenia modelu bezpośrednio z obszaru wdrażania. Aby przetestować wdrożony model w obszarze, wykonaj następujące kroki.

  1. W menu nawigacyjnym kliknij opcję Deployments(Wdrożenia).

  2. Kliknij kartę Spaces (Obszary).

  3. Wybierz z listy odpowiednią przestrzeń wdrażania.

  4. Kliknij opcję Model Scikit.

  5. Kliknij opcję Wdrażanie modelu scikit.

  6. Przejrzyj punkty Endpoint i Code snippets.

  7. Kliknij kartę Test . Wdrażany model można przetestować, wklejając następujący kod JSON:

        {"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. Kliknij opcję Predict. Wynikowa predykcja wskazuje, że cyfry odręczne to 5 i 4.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono kartę Test z predykcją.
  
  

  

  
  Początek strony
  

• (Opcjonalnie) Czynność 6: Czyszczenie
  
  

  Aby usunąć wszystkie zasoby utworzone przez notatnik, należy utworzyć nowy notatnik na podstawie notatnika zarządzania artefaktamiMachine Learning. Odsyłacz do tego notatnika jest również dostępny w sekcji Czyszczenie w publikacji Use scikit-learn to uznawania hand-written cyfr notebook używanej w tym kursie.

  
  Początek strony