如何在 Web 应用里消费 SAP Leonardo 的机器学习

作者: _扫地僧_ | 来源:发表于2022-05-22 08:51 被阅读0次

本文选择使用 SAP Leonardo 里的一个Product Image Classification API，即给定一张产品的图片，该 API 能识别出此产品的类别。

简要了解一下这个 API 的功能：该API 模型是由 SAP 基于大约5万张 Icecat 图片训练而成，能区分29种不同的类别，这些类别具体罗列于官方文档上，比如电脑显示器，数码相机，外部存储设备，键盘，液晶电视，手机充电器，笔记本和其他外设等等。如果我们消费这个API时指定的图片代表的产品不属于这 29 种类别之一，API 的表现如何？先卖个关子，文末解答。

这里假定我们已经找到了该 API，点击进入明细页面，将 API Key复制下来，后续的UI5应用需要使用到。

然后进入SAP云平台的 Neo环境。本文介绍的步骤，使用免费的SAP Cloud Platform Neo测试环境即可。

在Service列表里找到 WebIDE——我们将使用WebIDE进行UI5应用的开发。

大家可以直接在 WebIDE 里 clone 这个 Github 仓库，或者把仓库的内容以zip包的形式下载到本地，再使用WebIDE的本地Import功能导入。

我们要告诉 UI5应用这个API的url，因此在Neo环境里创建一个Destination(作用和ABAP Netweaver事务码SM59里创建的Destination相同)：

属性如上图所示，因为是Neo测试环境，所以url为对应的sandbox环境：

https://sandbox.api.sap.com/ml

记下这个Destination名称 sapui5ml-api, 因为稍后的 UI5 代码里需要使用。

记得维护额外的属性WebIDEnabled为true，这样该Destination才能在UI5应用里被使用。点击Check Connection确保看到绿灯。

打开WebIDE里UI5工程里的settings.json文件，将您之前从API console里拷贝的API Key粘贴到此处：

在项目根目录下的neo-app.json文件里，把类型为destination的target对象的名称维护成之前在SAP Cloud Platform Cockpit里创建的destination相同的名称。

运行这个UI5应用，能看到如下界面：

做一些简单的测试：

SAP Leonardo的机器学习API，识别出这张图片有74.7%的可能性是一台笔记本电脑，13.8%的可能性是键盘，11.3%的可能性是Tablets.

点击按钮 View JSON，能看到调用 SAP Leonardo API 返回的技术明细。

鼠标的图片也成功识别出来了：

本文开头提到，Product Image Classification API 只支持29种产品类别：

如果我们开发应用时需要支持额外的产品类别，就需要自行提供该产品类别的图片来重新训练模型。

下面介绍SAP Leonardo上机器学习模型的重新训练步骤。

假设我们期望重新训练之后，Product Image Classfication这个模型能够识别出不同种类的花，那么我们首先得搞到大量花的图片。Tensorflow的官网上，已经体贴地给想做模型训练的学习者们，提供了一个做练习用的压缩包，里面包含了大量各式花的图片。

SAP Leonardo接受的能用于重新训练模型的数据集，必须符合下图所示的层级结构，即training, validation和test三个文件夹下面，分别包含以产品类别命名的子文件夹，且数据规模之比为8:1:1.

有了用于训练的数据后，下一步就是把这些数据上传到SAP Leonardo的模型在线存储平台上。

在 SAP 云平台上创建 Leonardo 机器学习的服务实例，这个实例的 service key 里包含了一个IMAGE_RETRAIN_API_URL，可以用来获取在线存储的url：

向这个url发送一个HTTP get请求，得到在线存储的url：

把这个url粘贴到浏览器里，输入postman里返回的accessKey和secretKey登录，就能以web的方式访问这个在线存储了：

下一步是把本地的训练文件上传到这个部署在AWS上的在线存储上去。
首先用命令行 mc config host 定义一个名为sapjerrys3的远程站点，将上一步从postman获得的AWS在线存储url，accessKey和secret绑定到这个站点上：

然后使用命令行上传文件：

mc.exe cp -r C:\Code\MachineLearningStudy\flowersjerry sapjerrys3\data

大概十几分钟后，文件上传完毕：

此时可以从浏览器里看到AWS在线存储上传完毕的训练文件。

现在可以提交一个后台作业了，让Leonardo去处理这些上传好的文件，ABAP顾问们可以把这个动作理解成在Netweaver事务码SM36里定义一个后台作业并提交。发送一个HTTP post请求，除了下图jobName, dataset和modelName需要自己维护外，其他字段都使用SAP官网上定义的默认值。