上云无忧 > 文档中心 > 百度智能云全功能AI开发平台BML模型仓库 - 服务代码文件示例(Sklearn)
飞桨BML 全功能AI开发平台
百度智能云全功能AI开发平台BML模型仓库 - 服务代码文件示例(Sklearn)

文档简介:
在模型仓库中导入基于Sklearn库的机器学习模型时,除需导入模型文件外,也需要导入服务代码文件,其中服务代码文件用于在线部署模型时进行模型文件的加载以及进行必要的预处理和后处理逻辑。
*此产品及展示信息均由百度智能云官方提供。免费试用 咨询热线:400-826-7010,为您提供专业的售前咨询,让您快速了解云产品,助您轻松上云! 微信咨询
  免费试用、价格特惠



Sklearn服务代码文件示例

在模型仓库中导入基于Sklearn库的机器学习模型时,除需导入模型文件外,也需要导入服务代码文件,其中服务代码文件用于在线部署模型时进行模型文件的加载以及进行必要的预处理和后处理逻辑。

Sklearn模型服务代码示例如下所示:


#!/usr/bin/env python # -*- coding: utf-8 -*- # ************************************
******************************************* # # Copyright (c) 2020 Baidu.com, Inc. 
All Rights Reserved # # ******************************************************************************* import numpy as np

ERROR_CODE_FAILED_DECODING_INPUT = 336005 MESSAGE_FAILED_DECODING_INPUT = "Failed decoding input"
 ERROR_CODE_MISSING_REQUIRED_PARAMETER = 336006 MESSAGE_MISSING_REQUIRED_PARAMETER = "Missing required
 parameter" class CustomException(RuntimeError): """
    进行模型验证和部署服务必需的异常类,缺少该类在代码验证时将会失败
    在处理异常数据或者请求时,推荐在`PredictWrapper`中的自定义预处理preprocess和后处理postprocess
函数中抛出`CustomException`类,
    并为`message`指定准确可读的错误信息,以便在服务响应包中的`error_msg`参数中返回。
    """ def __init__(self, error_code, message, orig_error=None): """ init with error_code
, message and origin exception "
"" super(CustomException, self).__init__(message) self.error_code = error_code
        self.orig_error = orig_error class PredictWrapper(object): """ 模型服务预测封装类,
支持用户自定义对服务请求数据的预处理和模型预测结果的后处理函数 """ def 
__init__(self, model_path, use_gpu, logger): """
        根据`model_path`初始化`PredictWrapper`类,如解析label_list.txt,加载模型输出标签id和标签名称的映射关系
        :param model_path: 该目录下存放了用户选择的模型版本中包含的所有文件
        """ # 加载模型 model_filename = model_path + '/model.pkl' with open(model_filename, 'rb')
 as pk_fin: import pickle
            self._model = pickle.load(pk_fin) def preprocess(self, request_body): """
        自定义对请求体的预处理,针对图像类模型服务,包括对图片对图像的解析、转化等
        :param request_body: 请求体的json字典
        :return:
            data: 用于模型预测的输入。
            infer_args: 用于模型预测的其他参数
            request_context: 透传给自定义后处理函数`postprocess`的参数,例如指定返回预测结果的top N,
过滤低score的阈值threshold.
        """ try: features = request_body['features'] features_np = np.array(features) except KeyError:
 raise CustomException(error_code=ERROR_CODE_MISSING_REQUIRED_PARAMETER, message=MESSAGE_FAILED_DECODING_INPUT) 
except Exception as e: raise CustomException(error_code=ERROR_CODE_FAILED_DECODING_INPUT, message=MESSAGE_FAILED_
DECODING_INPUT, orig_error=e) return features_np, {}, {} def predict(self, data, infer_args): """
        模型预测
        :param data: 预处理后的数据
        :param infer_args: 预处理返回的`infer_args`
        :return: infer_result 预测结果
        """ return self._model.predict(data, **infer_args) def postprocess(self, infer_result, request_context): """
        对ml模型预测结果进行后处理
        :param infer_result: ML模型的预测结果
        :param request_context: 自定义预处理函数中返回的`request context`
        :return: request results 请求的处理结果
        """ if not isinstance(infer_result, np.ndarray): infer_result = np.array(infer_result) return
 {'categories': infer_result.tolist()}




相似文档
  • 在模型仓库中导入基于XGBoost库的机器学习模型时,除需导入模型文件外,也需要导入服务代码文件,其中服务代码文件用于在线部署模型时进行模型文件的加载以及进行必要的预处理和后处理逻辑。
  • 模型仓库中的视觉模型可部署在公有云服务器、私有服务器,封装成可离线运行的设备端SDK,或直接购买软硬一体方案,灵活适配各种使用场景及运行环境。 您可以点击进入预训练网络与部署方式适配性页面,查询各预训练网络对下表所示的部署方式、硬件、系统的支持情况。
  • 模型仓库中的视觉模型,发布为公有云部署时储在云端,可通过独立Rest API调用模型,实现AI能力与业务系统或硬件设备整合。 BML具有完善的鉴权、流控等安全机制,并配置丰富的资源集群稳定承载高并发请求。 并且支持查找云端模型识别错误的数据,纠正结果并将其加入模型迭代的训练集,不断优化模型效果。
  • 本文档主要说明定制化模型发布后获得的API如何使用,如有疑问可以通过以下方式联系我们: 在百度智能云控制台内提交工单。 进入BML社区交流 ,与其他开发者进行互动。 加入BML官方QQ群(群号:868826008)联系群管。 接口描述: 基于自定义训练出的图像分类模型,实现个性化图像识别。模型训练完毕后发布可获得定制化图像分类API
  • 本文档主要说明定制化模型发布后获得的API如何使用,如有疑问可以通过以下方式联系我们: 在百度智能云控制台内提交工单。 进入BML社区交流 ,与其他开发者进行互动。 加入BML官方QQ群(群号:868826008)联系群管。 接口描述: 基于自定义训练出的图像分类模型,实现个性化图像识别。模型训练完毕后发布可获得定制化图像分类API
官方微信
联系客服
400-826-7010
7x24小时客服热线
分享
  • QQ好友
  • QQ空间
  • 微信
  • 微博
返回顶部