使用SAP Cloud Platform Leonardo機器學習的測試控制臺

選中一個需要進行測試的Leonardo機器學習服務，點擊Configure Environments：

因為我不想使用sandbox環境，所以我選擇了eu10這個region：

維護clientid和secret：

在SAP Cloud Platform cockpit里創建了service key后，會得到這個client id和secret。

要消費機器學習api，先要獲得Access Token：

把postman里得到的Access Token填到API測試控制臺的Authorization字段里，執行，就能提取到圖片的feature了。

這個機器學習服務的文檔：https://help.sap.com/viewer/b04a8fe9c04745b98ad8652ccd5d636f/1907B/en-US/d6fee2fd184d48d5b221928a8db4c2fd.html?q=Customizable Image Feature Extraction

測試控制臺：

輸入是任意一個圖片文件，

輸出是一串特征矩陣，如下圖所示：

完整代碼：

var app = require('express')(); var server = require('http').Server(app); var request = require('request'); var defaultPort = 8081; const fs = require('fs'); var port = process.env.PORT || defaultPort; console.log("Server listens on port: " + port); server.listen(port); function print_env(){ console.log(process.env); } app.get('/', function (req, res) { res.header("Access-Control-Allow-Origin", "*"); var response = "hello world: " + port; callFeatureExtractionAPI(); res.send(response); }); app.get('/env', function (req, res) { print_env(); // res.sendFile(__dirname + '/index.html'); var response = JSON.stringify(process.env); res.send(response); }); function callFeatureExtractionAPI() { var url = "https://mlfproduction-image-feature-extractor.cfapps.eu10.hana.ondemand.com/api/v2/image/feature-extraction"; var api = "eyKXPuZf__ANtBqpk"; var oRequestOptions = { url: url, method: "POST", json:true, formData: { files: fs.createReadStream("./1.png") }, headers: { "Authorization": "Bearer " + api } }; return new Promise(function(resolve,reject){ var requestC = request.defaults({jar: true}); console.log("Step1: get picture feature via url: " + url ); requestC(oRequestOptions,function(error,response,body){ if(error){ console.log("error occurred: " + error); reject(error); } debugger; console.log("Body:" + body); console.log("response: " + response); resolve(body); }); }); }

控制臺 機器學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。