AI Function을 Node-RED에서 호출
3212 단어 WatsonWatson-Studionode-red
소개
Watson Machine Learning의 AI Function 기능을 사용하여 SPSS Modeler의 기계 학습 모델을 Function 정의의 속편입니다.
위의 링크로 만든 AI Function의 서비스를 간단하게 부를 수 있는 방법은 없는지, 여러가지 생각해 봐,
Node-RED에서 Watson Studio의 기계 학습 모델 호출 처럼, Node-RED의 부품이 되어 있다고 제일 만드는 측은 즐거웠다고 생각했습니다.
오리지날의 부품에 비하면 상당히 저기능입니다만, 실제로 그러한 노드를 만들어, npm에 공개해 두었으므로, 소개합니다.
Node 소개
node-red-contrib-ai-function 하지만 그 사이트입니다. 모처럼 만들었으므로, 웹 페이지의 화면도 소개해 둡시다.
노드-RED 환경에 이 노드를 추가하려면 IBM Cloud의 Node-RED에서 추가 노드를 설치하는 단계의 절차를 따르십시오.
사용법
사용법은 매우 간단합니다. 노드를 편집 화면에 배치하고 구성 노드를 설정하는 단계는
Node-RED에서 Watson Studio의 기계 학습 모델 호출 정확히 같기 때문에 그쪽을 참조하십시오.
나중에 Watson Studio의 관리 화면에서 AI Function Deployment ID
를 가져 와서 아래 화면과 같이 Node 설정 화면에서 설정합니다. 덧붙여서, 「Mode」의 항목은, 이전의 Node 때부터 그대로 남아 버리고 있습니다만, 지금은 「Run Function」밖에 선택할 수 없습니다.
Deployment ID
는 Watson Machine Learning의 Deplotment 관리 화면의 다음 영역에 표시된 것을 이용합니다.
그리고는, 아래의 그림과 같이 「inject」 「function」 「debug」의 각 노드를 편집 영역에 배치해, 일직선에 연결합니다.
function 노드에서 입력용 json을 조립합니다. 구현 샘플은 다음과 같습니다. "항목 이름"을 의미하는 fields
와 "항목 값"을 의미하는 values
를 설정합니다. values
쪽은 배열을 이중으로 할 필요가 있으므로 주의해 주세요.
msg.payload = {
"fields": ["CLASS", "AGE", "BP", "AL", "SC", "POT", "PCV"],
"values": [[null, 75, 70, 0, 0.8, 3.5, 46]]
}
inject 버튼을 클릭하면 아래와 같은 결과가 돌아올 것입니다.
Reference
이 문제에 관하여(AI Function을 Node-RED에서 호출), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/makaishi2/items/3f0de5c8e30daa971dc3
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
node-red-contrib-ai-function 하지만 그 사이트입니다. 모처럼 만들었으므로, 웹 페이지의 화면도 소개해 둡시다.
노드-RED 환경에 이 노드를 추가하려면 IBM Cloud의 Node-RED에서 추가 노드를 설치하는 단계의 절차를 따르십시오.
사용법
사용법은 매우 간단합니다. 노드를 편집 화면에 배치하고 구성 노드를 설정하는 단계는
Node-RED에서 Watson Studio의 기계 학습 모델 호출 정확히 같기 때문에 그쪽을 참조하십시오.
나중에 Watson Studio의 관리 화면에서 AI Function Deployment ID
를 가져 와서 아래 화면과 같이 Node 설정 화면에서 설정합니다. 덧붙여서, 「Mode」의 항목은, 이전의 Node 때부터 그대로 남아 버리고 있습니다만, 지금은 「Run Function」밖에 선택할 수 없습니다.
Deployment ID
는 Watson Machine Learning의 Deplotment 관리 화면의 다음 영역에 표시된 것을 이용합니다.
그리고는, 아래의 그림과 같이 「inject」 「function」 「debug」의 각 노드를 편집 영역에 배치해, 일직선에 연결합니다.
function 노드에서 입력용 json을 조립합니다. 구현 샘플은 다음과 같습니다. "항목 이름"을 의미하는 fields
와 "항목 값"을 의미하는 values
를 설정합니다. values
쪽은 배열을 이중으로 할 필요가 있으므로 주의해 주세요.
msg.payload = {
"fields": ["CLASS", "AGE", "BP", "AL", "SC", "POT", "PCV"],
"values": [[null, 75, 70, 0, 0.8, 3.5, 46]]
}
inject 버튼을 클릭하면 아래와 같은 결과가 돌아올 것입니다.
Reference
이 문제에 관하여(AI Function을 Node-RED에서 호출), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/makaishi2/items/3f0de5c8e30daa971dc3
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
msg.payload = {
"fields": ["CLASS", "AGE", "BP", "AL", "SC", "POT", "PCV"],
"values": [[null, 75, 70, 0, 0.8, 3.5, 46]]
}
Reference
이 문제에 관하여(AI Function을 Node-RED에서 호출), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/makaishi2/items/3f0de5c8e30daa971dc3텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)