Присоединяйтесь к нам на онлайн-конференции Alibaba Cloud ACtivate, которая пройдет 5–6 марта, чтобы бросить вызов предположениям, обменяться идеями и узнать, какие возможности дает цифровая трансформация.
Гарвин Ли
Модели, созданные в Alibaba Cloud Платформа машинного обучения для ИИ (PAI), могут быть развернуты в Интернете для создания API, которые могут вызываться другими службами. Этот документ основан на Случае прогнозирования сердечно-сосудистых заболеваний и описывает, как использовать функцию онлайн-прогнозирующего развертывания платформы машинного обучения для мониторинга состояния здоровья пользователей в режиме реального времени.
Шаг 1: Развертывание модели
Нажмите «Развернуть» в нижней части интерфейса текущего эксперимента и выберите «Упреждающее развертывание в сети». Выберите модель логистической регрессии, созданную в случае прогнозирования болезни сердца, как показано на следующем снимке экрана.
Шаг 2: Конфигурация информации о развертывании модели
Перейдите на страницу конфигурации модели, как показано на следующем снимке экрана.
Выберите соответствующий проект. Если вы используете это впервые, вам необходимо включить разрешение онлайн-прогнозирования, которое будет включено в режиме реального времени по запросу. Установите количество экземпляров, занятых текущей моделью. Экземпляры описываются следующим образом.
- По умолчанию каждый проект включает 30 экземпляров. Вы можете изменить значение по умолчанию, открыв тикет. Удаление развернутой модели приведет к освобождению экземпляров этой модели.
- Экземпляры определяют QPS модели. Каждый экземпляр имеет 1 ядро и 2 ГБ памяти.
- Предел развертывания экземпляров для одной модели составляет [1,15].
Шаг 3: Управление моделью и контроль
Вы можете управлять развернутой моделью в интерфейсе, показанном ниже. Нажмите View Service Details, чтобы проверить недавно развернутую модель.
Вы можете управлять развернутой моделью в развернутой онлайн-модели, как показано на следующем снимке экрана.
На следующем снимке экрана показан интерфейс управления моделью. Различные развертывания одной и той же модели можно различать по версии. Вы можете найти проект, в котором находится модель, и название модели, как показано на следующем снимке экрана.
Шаг 4: Отладка модели
Страница отладки модели помогает понять спецификации записи параметров запроса онлайн-прогноза. Нажмите «Отладка модели», показанную на предыдущем снимке экрана, чтобы открыть страницу отладки модели (ваш браузер может заблокировать эту страницу. Пожалуйста, настройте браузер, чтобы разрешить доступ к этой ссылке).
- Формат URL-адреса запроса: «https://dtplus-cn-shanghai.data.aliyuncs.com/dataplus_261422/pai/prediction/projects/$projectname/onlinemodels/$modelname.
- Тело запроса представляет собой строку формата json. Например, для алгоритма логистической регрессии требуется информация о каждой функции. Имена функций должны совпадать с соответствующими именами функций в списке моделей. Постоянный столбец не требует ввода.
- dataValue: значение соответствующей функции в наборе прогнозов.
- dataType: тип значения, как определено на следующем снимке экрана.
Шаг 5: Прогнозирование результата
После настройки и отладки модели отредактируйте тело запроса и отправьте запрос, чтобы получить результаты прогнозирования. Предположим, что все параметры, такие как пол пользователя, кровяное давление в реальном времени и колебания сердцебиения в реальном времени, равны 1. Отправьте на сервер следующие данные.
Вот пример тела в этом случае.
1. {
2. "inputs": [
3. {
4. "sex": {
5. "dataType": 40,
6. "dataValue": 1
7. },
8. "cp": {
9. "dataType": 40,
10. "dataValue": 1
11. },
12. "fbs": {
13. "dataType": 40,
14. "dataValue": 1
15. },
16. "restecg": {
17. "dataType": 40,
18. "dataValue": 1
19. },
20. "exang": {
21. "dataType": 40,
22. "dataValue": 1
23. },
24. "slop": {
25. "dataType": 40,
26. "dataValue": 1
27. },
28. "thal": {
29. "dataType": 40,
30. "dataValue": 1
31. },
32. "age": {
33. "dataType": 40,
34. "dataValue": 1
35. },
36. "trestbps": {
37. "dataType": 40,
38. "dataValue": 1
39. },
40. "chol": {
41. "dataType": 40,
42. "dataValue": 1
43. },
44. "thalach": {
45. "dataType": 40,
46. "dataValue": 1
47. }
48. }
49. ]
50. }
Результаты будут возвращены после отправки запроса. Возвращаемые результаты в этом примере показывают, что метка равна 1 (1 указывает на болезнь, а 0 указывает на здоровье) и что вероятность болезни равна 0,98649974.
Чтобы узнать, как вызывать API, посетите https://help.aliyun.com/document_detail/30245.html.