如何對SAP Leonardo上的機器學習模型進行重新訓練
Jerry之前的兩篇文章介紹瞭如何通過Restful API的方式，消費SAP Leonardo上預先訓練好的機器學習模型：
如何在Web應用裡消費SAP Leonardo的機器學習API 部署在SAP Cloud Platform CloudFoundry環境的應用如何消費
當時Jerry提到，Product Image Classification API只支援29種產品類別：
如果我們開發應用時需要支援額外的產品類別，就得需要自行提供該產品類別的圖片並重新訓練。
下面是SAP Leonardo上機器學習模型的重新訓練步驟。
假設我們期望重新訓練之後，Product Image Classfication這個模型能夠識別出不同種類的花，那麼我們首先得搞到大量花的圖片。Tensorflow的官網上，已經體貼地給想做模型訓練的學習者們，提供了一個做練習用的壓縮包，裡面包含了大量各式花的圖片。
SAP Leonardo接受的能用於重新訓練模型的資料集，必須符合下列的層級結構，即training, validation和test三個資料夾下面，分別包含以產品類別命名的字資料夾，且資料規模之比為8:1:1.
有了用於訓練的資料後，下一步就是把這些資料上傳到SAP Leonardo的模型線上儲存平臺上。
Jerry的前一篇文章部署在SAP Cloud Platform CloudFoundry環境的應用如何消費曾經介紹瞭如何在SAP雲平臺上建立Leonardo機器學習的服務例項，這個例項的service key裡包含了一個IMAGE_RETRAIN_API_URL，可以用來獲取線上儲存的url：
向這個url傳送一個HTTP get請求，得到線上儲存的url：
把這個url貼上到瀏覽器裡，輸入postman裡返回的accessKey和secretKey登入，就能以web的方式訪問這個線上儲存了：
下一步是把本地的訓練檔案上傳到這個部署在AWS上的線上儲存上去。
首先用命令列mc config host定義一個名為sapjerrys3的遠端站點，將上一步從postman獲得的AWS線上儲存url，accessKey和secret繫結到這個站點上：
然後使用命令列上傳檔案： mc.exe cp -r C:\Code\MachineLearningStudy\flowersjerry sapjerrys3\data 大概十幾分鍾後，檔案上傳完畢：
此時可以從瀏覽器裡看到AWS線上儲存上傳完畢的訓練檔案。
現在可以提交一個後臺作業了，讓Leonardo去處理這些上傳好的檔案，ABAP顧問們可以把這個動作理解成在Netweaver事務碼SM36裡定義一個後臺作業並提交。傳送一個HTTP post請求，除了下圖jobName, dataset和modelName需要自己維護外，其他欄位都使用SAP官網上定義的預設值。
這個請求會返回一個後臺作業ID，抄下來後把它拼到url末尾，然後重新發送一個HTTP get請求，即可查詢到這個作業的執行情況。Jerry做的時候，等待了大概五分鐘，作業狀態就變為SUCCEEDED了。
因為上一篇和本文做的練習都是在SAP Cloud Platform的CloudFoundry環境中進行的，因此我們也可以用cf命令列來查詢這些作業的執行情況：
cf sapml retraining jobs -m image
如果遇到作業狀態為FAILED的情況，去AWS線上儲存上檢視以作業名稱命名的資料夾，裡面包含了詳細的訓練日誌，可以用作錯誤分析：
在這個訓練好的模型能正式被使用之前，我們還需要對其進行部署，類似ABAP Netweaver裡的“啟用”動作。
和提交訓練的後臺作業類似，模型部署也是一個非同步執行的步驟，提交部署請求後，得到一個部署作業ID：ms-26c5a22c-6d07-4164-8222-a4182969162d
根據這個部署作業ID可以查詢模型部署狀態：
成功部署後，我們就可以用Restful API消費這個模型了，url的格式為：https://mlfinternalproduction-image-classifier.cfapps.sap.hana.ondemand.com/api/v2/image/classification/models/<model name>/versions/1
我從網路上隨便找一張向日葵的照片，
將這張圖片作為HTTP POST的引數發給我重新訓練並且部署好的模型flowerjerrymodel，得到的結果顯示，重新訓練後的模型認為這張圖片有大約87%的可能性是代表向日葵。
接下來有時間的話，我打算蒐集一些異形的圖片來訓練，看SAP Leonardo能不能把我桌上掛著的這個異形吊飾識別出來。感謝閱讀。
要獲取更多Jerry的原創文章，請關注公眾號"汪子熙":
