欢迎来到SAP Leonardo ML基金会关于培训机器学习模型的系列博客文章。在这个系列中，我将开始演示如何在ML Foundation上手动提交作业，以构建一个API，该API可以通过作业训练机器学习模型，大数据分析网站，并使用这些模型进行实时预测。
博客文章内容：手动提交ML Foundation作业以训练和评估模型。
GitHub存储库：ML Foundation TYOM手册
前提条件：
SAP云铸造帐户（试用帐户将与此工作）。SAP CP Cloud Foundry CLI。SAP Leonardo Ml Foundation CLI插件。使用Scikit learn（Python）实现机器学习算法的基本知识。
完成上述所有设置后，我们可以继续学习教程。我还建议您克隆上面提到的GitHub存储库，大数据的未来，并在阅读本文时使用其中的配置和代码文件。让我们开始吧。
设置ML Foundation实例
在这一步中，我们将创建一个在CloudFoundry上可用的ML Foundation服务实例，并为教程的其余部分设置环境。我们将使用试用帐户。
首先，我们需要确保我们有权创建ML基金会的实例。为此，请打开您的试用帐户并转到默认的子帐户。在这里，单击左侧面板中的"授权"，检查"SAP Leonardo Machine Learning Foundation Beta Services试用版"服务是否可用。如果它在那里，我们就可以走了。根据现在的情况，我们无法手动配置可以创建的服务实例的数量，但是如果您的案例中有服务实例，大数据挖掘，请确保将其配置为至少1个。
现在，转到"试用"子帐户中的默认"开发人员"空间，单击左侧面板中的"服务市场"，看云，打开"SAP Leonardo机器学习基金会"服务。转到实例，现在我们将创建一个新实例。
单击"新建实例"并完成创建过程。还不需要将服务绑定到任何应用程序。最后提供一些名称并点击"完成"。
现在，由于我们还没有将服务绑定到任何应用程序，我们必须手动创建一个服务密钥来访问服务。打开"mlf"实例并转到"服务密钥"。单击"创建服务密钥"，提供名称并保存。我们可以看到一个新的服务密钥被创建，并且具有所有的参数，如由ML基金会提供的不同服务URL、认证参数等。至此，我们已经完成了从CloudFoundry仪表板角度设置环境的工作。
现在，我们已经准备好了实例，让我们开始使用"sapml"插件设置环境。您可以按照上面提到的指南下载并安装"sapml"插件。现在，我们需要运行如下一个命令来设置远程文件系统
运行后，我们可以在控制台中看到一个"Minio"文件系统已经被分配，并且它已经返回了文件系统的URL以及客户端id和客户端secret等认证细节。您可以使用这些凭证远程检查文件系统。
提交模型培训作业
现在，让我们开始提交作业来培训和保存模型。如前所述，请使用存储库获取所需的代码和配置文件。
存储库中有一个名为"代码"的文件夹。这个文件夹包含python文件，其中编写了训练和保存模型的所有逻辑。将在其上训练模型的数据集也以CSV格式存在于同一文件夹中。然后是一个要求.txt文件列出了我们将要在"模型"中使用的所有内容_培训.py"文件。在"code"文件夹外，我们有作业的YAML配置文件，其中包含以下内容：
如我们所见，该文件包含提交的作业名称，即"model training"（"目前为止，作业名称中不允许使用"\"）。然后我们有一个"execution"参数，它包含了作业的运行时环境信息，比如Scikit的哪个映像要学习使用、应该调用哪些文件以及以什么顺序调用，最后是指定机器配置的"resourcePlanId"。试算账户只提供"基本"计划。不同的可用计划可以在这个内部GitHub页面上找到_培训.py"文件包含将在数据集上训练模型并将其保存在Minio中的代码。要执行其他任务，可以修改文件。若要在ML基础上提交作业，我们可以在存储库文件夹中运行以下命令。我们可以使用sapml CLI工具通过运行以下命令来检查作业状态。
作业很可能处于"挂起"状态，因为"基本"计划资源在试用帐户上至少需要5分钟才能分配给作业。一旦我们看到作业处于"运行"状态，我们可以使用以下命令检查作业相关的日志。
要连续检查日志，我们可以在末尾添加"-f"标志，如下所示。
现在，我们可以看到模型训练作业的所有执行日志。
通过Minio导航
当我们初始化文件系统时，我们已收到要登录的URL和凭据。所以，让我们做吧。一旦进入Minio，我们将能够在bucket"data"中看到一个名为"jobs"的文件夹。
现在，打开jobs文件夹，我们将看到另一个名为"model\u training-"的文件夹。打开文件夹，您将能够看到我们提交的所有文件以及由作业转储的文件，如"型号.pkl"文件
