intelliw

智能工场算法框架（Intelligent Workshop Algorithm Framework）

欢迎使用用友AI工作坊脚手架，该脚手架提供了本地开发、调试、打包等基本功能，供开发者在本地开发调试。

环境要求

脚手架依赖 Python >= 3.6，使用 pip进行包管理。开发者在本地调试时，需保证安装配置了正确的 Python 环境。

脚手架使用

环境准备

• 安装框架

  pip install intelliw -i https://pypi.python.org/simple/ -U
  

• 初始化算法文件 生成算法文件框架，参数name为算法名称，默认值example, 参数output_path为生成算法文件的位置，默认当前文件下。

  intelliw init --name test --output_path=/root/workspace/test/
  
  // 初始化之后生成以下结构 
        ├── algorithm.py          算法入口文件
        ├── algorithm.yaml        算法描述文件
        ├── README.md             项目描述文件
        ├── debug_controller.py    本地开发测试文件
        ├── requirements.txt      python 依赖包
        └── docs                  算法框架使用说明
        		├── README.md       框架使用说明
        		└── instructions.md 算法文件说明
  

• 说明文档 请参考 使用说明(docs/instructions.md)

  -   algorithm.py   说明文档
  -   algorithm.yaml 说明文档
  

注： 以下功能使用框架包必须指定算法文件位置（--path/-p）

算法导入

intelliw import_alg --path ${algo_path}

模型导入

intelliw import_model --path ${algo_path}

训练

本地训练时，训练数据只支持读取本地的 csv 文件，使用 --csv 参数指定文件路径。训练集与验证集的划分比例使用 --set_ratio 指定，格式 train_set_ratio[:valid_set_ratio[:test_set_ratio]]，默认是 0.7:0.3:0， 即训练集占 0.7，验证集占 0.3。以读取 /data/export.csv 文件为例，给出训练命令如下：

intelliw train --path ${algo_path} --csv /data/export.csv --set_ratio 0.5

如果算法模型不需要显性划分验证集, 可以使用 --test_size 指定测试数据比例。 *注：--test_size 和 --set_ratio 同时设置的情况下，优先使用 --test_size。 *

推理

本地推理时，算法框架会启动 HTTP 服务器处理推理请求，监听的端口可以使用 --port 指定，默认是 8888。以下示例会启动推理服务，并监听 8000 端口。

intelliw infer --port 8000 --path ${algo_path}

推理服务启动后，可以调用推理接口，进行推理。推理接口是一个 POST json 接口，监听路径是 /predict，用户的请求需要封装在 data 字段中。 以下给出使用 curl 进行请求的示例命令，假设服务监听的是 8000 端口，需要传递的数据是 [1.2, 2, true, "user"]。

curl -H "Content-Type:application/json" -X POST -d '{"data":[1.2, 2, true, "user"]}' http://localhost:8000/predict

调试

如果需要本地调试，推荐使用 debug_controller.py，可以方便加断点，具体查看代码中的注释，使用 --job_type 或者 -j 指定调试的任务，默认是 infer。

python debug_controller.py -j infer_http_server

打包

本地调试无误后，可使用脚本进行打包，生成的算法包/模型包路径可以使用 --output_path 参数指定，若不指定，默认会生成到 target 目录下。

生成算法包:

intelliw  package_iwa --path ${algo_path} --output_path xxxx

生成模型包:

intelliw package_iwm --path ${algo_path} --output_path xxxx