Driverless AI MOJO Scoring Pipeline - Python 및 R 래퍼를 사용한 C++ 런타임

C++ 스코어링 파이프라인은 protobuf 기반 MOJO2 프로토콜을 위한 R 및 Python 패키지로 제공됩니다. 패키지는 독립형이므로 추가 소프트웨어가 필요 없습니다. MOJO Scoring Pipeline이 빌드된 다음 선호하는 방법을 사용하십시오.

Notes:

  • 이 스코어링 파이프라인은 현재 RuleFit 모델에 사용할 수 없습니다

  • MOJO Scoring Pipeline이 비활성화된 경우, Download MOJO Scoring Pipeline 버튼은 Build MOJO Scoring Pipeline 로 표시됩니다.

  • Reduce MOJO Size 상세 설정을 활성화하면, 실험을 빌드하는 동안 Driverless AI가 MOJO Scoring Pipeline의 크기 줄이기를 시도합니다. see 를 참조하십시오.

스코어링 파이프라인 런타임 다운로드

R 및 Python 패키지는 Driverless AI 애플리케이션 내에서 다운로드할 수 있습니다. 다운로드하려면 Resources 를 클릭한 다음 드롭다운 메뉴에서 MOJO2 R Runtime 및 MOJO2 Py Runtime 을 클릭합니다.

예제

다음 예시는 C++ MOJO 런타임의 R 및 Python API의 사용 방법을 보여줍니다.

전제 조건

  • Linux OS (x86 또는 PPC)

  • Driverless AI 라이선스(파일 또는 환경 변수)

  • Rcpp (>=1.0.0)

  • data.table

Running the MOJO2 R Runtime

 # Install the R MOJO runtime using one of the methods below

 # Install the R MOJO runtime on PPC Linux
 install.packages("./daimojo_2.7.5_ppc64le-linux.tar.gz")

 # Install the R MOJO runtime on x86 Linux
 install.packages("./daimojo_2.7.5_x86_64-linux.tar.gz")

 # Load the MOJO
 library(daimojo)
 m <- load.mojo("./mojo-pipeline/pipeline.mojo")

 # retrieve the creation time of the MOJO
 create.time(m)
 ## [1] "2019-11-18 22:00:24 UTC"

 # retrieve the UUID of the experiment
 uuid(m)
 ## [1] "65875c15-943a-4bc0-a162-b8984fe8e50d"

 # Load data and make predictions
 col_class <- setNames(feature.types(m), feature.names(m))  # column names and types

 library(data.table)
 d <- fread("./mojo-pipeline/example.csv", colClasses=col_class, header=TRUE, sep=",")

 predict(m, d)
 ##       label.B    label.M
 ## 1  0.08287659 0.91712341
 ## 2  0.77655075 0.22344925
 ## 3  0.58438434 0.41561566
 ## 4  0.10570505 0.89429495
 ## 5  0.01685609 0.98314391
 ## 6  0.23656610 0.76343390
 ## 7  0.17410333 0.82589667
 ## 8  0.10157948 0.89842052
 ## 9  0.13546191 0.86453809
 ## 10 0.94778244 0.05221756