撰寫可部署的 Python 函數

評分功能需求

• 有兩種方式可以新增 score 函數物件:
  • 明確，依使用者
  • 隱含地，透過用來將 Python 函數儲存為 Watson Machine Learning 儲存庫中資產的方法
• score 函數必須接受單一 JSON 輸入參數。
• score 函數必須傳回 JSON 序列化物件（例如：字典或清單）

評分輸入需求

• 評分輸入有效負載必須包含名稱為 values的陣列，如下列範例綱目所示。

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

  附註:
  -` input_data ` 參數在有效負載中是必要的。
  -` input_data ` 參數也可以包括其他名稱/值配對。

• 評分輸入有效負載必須作為 score的輸入參數值傳遞。 這樣您可以確保在 score內相應地處理 score 輸入參數的值。

• 評分輸入有效負載必須符合所涉及 Python 函數的輸入需求。

• 評分輸入有效負載必須包含符合 範例輸入資料綱目的陣列。

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

範例 Python 程式碼

#wml_python_function
def my_deployable_function():

    def score( payload ):

        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()

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

它會傳回訊息 "Hello world!"。

透過 REST API 建立可部署的函數

對於 REST API ，因為 Python 函數直接透過檔案上傳，所以該檔案必須已包含 score 函數。 任何一次匯入都可以在檔案的廣域範圍內完成，稍後在 score 函數內使用需要執行的任何一次匯入。 當此檔案部署為 Python 函數時，廣域範圍中可用的一次性匯入會在部署期間執行，稍後只會與每個預測要求一起重複使用。

範例 score 函數檔:

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

具有一次性匯入的 score 函數範例:

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__]]}]}

透過 Python 用戶端建立可部署函數

若要將 Python 函數持續保存為資產， Python 用戶端會使用 wml_client.repository.store_function 方法。 您可以透過兩種方式來執行該動作:

• 透過包含 Python 函數的檔案持續保存函數
• 透過函數物件持續保存函數

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()