本页采用了机器翻译。点击此处可查看英文原文。

prodserver.pipeline.Client

部署到 MATLAB Production Server 的机器学习流水线的 MATLAB 客户端

自 R2026a 起

全页展开

    说明

    prodserver.pipeline.Client 创建一个客户端对象，该对象封装了 MATLAB® 与部署到 MATLAB Production Server™ 实例的 LearningPipeline (Statistics and Machine Learning Toolbox) 对象之间的连接。建立连接后，您便可以使用 learn (Statistics and Machine Learning Toolbox) 和 run (Statistics and Machine Learning Toolbox) 对象函数与已部署的 LearningPipeline 对象交互并修改其组件的状态，或使用索引读取其属性。

    创建对象

    语法

    client = prodserverPipelineClient(archive,host,port)
    client = prodserverPipelineClient(archive,host,port,Folder=path)

    描述

    client = prodserverPipelineClient(archive,host,port) 在流水线客户端和指定的 archive 之间创建客户端连接，该存档已部署到 MATLAB Production Server，并使用 MATLAB Production Server 实例的指定 host 和 port。

    示例

    client = prodserverPipelineClient(archive,host,port,Folder=path) 指定要在其中生成客户端的文件夹。

    输入参量

    全部展开

    部署到 MATLAB Production Server 的存档，指定为 string scalar 或 character vector，表示已部署存档的基本文件名，不包含路径或文件扩展名。此参量设置客户端对象的 archive 属性。

    数据类型: string scalar | character vector

    MATLAB Production Server 实例的主机名或地址，指定为包含 IPv4 或 IPv6 地址的字符串标量或字符向量，或者指定为 "localhost"。

    数据类型: string | char

    MATLAB Production Server 实例运行的端口号，指定为 1 到 65535 之间的整数。此参量设置客户端对象的 port 属性。

    数据类型: int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

    要生成客户端的文件夹，指定为字符串标量或字符向量，其中包含文件夹的完整文件路径。该文件夹必须为空，因为当该类不再使用时，软件会将其删除。

    数据类型: string | char

    输出参量

    全部展开

    封装客户端与托管流水线的 MATLAB Production Server 实例之间连接的对象，指定为 Client 对象。

    属性

    全部展开

    此 属性 为只读。

    机器学习流水线中的组件，以 component 数组的形式返回。

    此 属性 为只读。

    流水线中组件的名称，以元胞数组的形式返回。

    此 属性 为只读。

    部署到服务器的流水线，以 LearningPipeline (Statistics and Machine Learning Toolbox) 对象的形式返回。

    此 属性 为只读。

    存档中包含的流水线名称，以字符串标量形式返回。

    此 属性 为只读。

    MATLAB Production Server 运行所在的主机，以字符串标量形式返回，其中包含 IPv4 或 IPv6 地址，或者为 "localhost"。

    此 属性 为只读。

    MATLAB Production Server 运行所用的端口号，以 1 到 65535 之间的整数形式返回。

    此 属性 为只读。

    包含流水线的存档的名称，以字符串标量形式返回。

    对象函数

    learn (Statistics and Machine Learning Toolbox)Initialize and evaluate pipeline or component
    run (Statistics and Machine Learning Toolbox)Execute pipeline or component for inference after learning

    示例

    全部折叠

    创建一个在 localhost:9910 上运行的名为 carOrigin 机器学习流水线客户端。

    client = prodserverPipelineClient("carOrigin","localhost",9910);

    创建一个在 localhost:9910 上运行的名为 carOrigin 机器学习流水线客户端。使用 folder 输入参量指定生成客户端的位置。

    client = prodserverPipelineClient("carOrigin","localhost",9910,Folder="C:\Users\Public\Documents\Pipelines");

    创建一个在 localhost:9910 上运行的名为 carOrigin 机器学习流水线客户端。然后，从已部署的流水线中访问数据。 

    client = prodserverPipelineClient("carOrigin","localhost",9910)

    通过对客户端属性进行索引来访问客户端数据。例如，使用 ComponentNames 属性显示流水线中每个组件的名称。

    client.ComponentNames
      ans =
    ["RemoveObservations", "NumericSelector", "PCATransformer", "CategoricalSelector", "SVM"]

    您还可以显示已部署流水线中特定属性的值。

    client.Components.SVM.TrainedModel
      ans = 
  CompactClassificationSVM
           PredictorNames: {'Model_Year'  'PCA1'}
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: [NotUSA    USA]
           ScoreTransform: 'none'
                    Alpha: [195×1 double]
                     Bias: 0.1839
         KernelParameters: [1×1 struct]
           SupportVectors: [195×2 double]
      SupportVectorLabels: [195×1 double]

    要显示整个 LearningPipeline 对象，请使用 Pipeline 属性。

    client.Pipeline
      ans = 
  LearningPipeline with properties:

             Name: "CarOrigin"
           Inputs: ["DataIn1"    "DataIn2"]
        InputTags: [1 2]
          Outputs: ["Predictions"    "Scores"    "Loss"    "DataOut2"]
       OutputTags: [1 0 0 2]

       Components: struct with 5 entries
      Connections: [12×2 table]

    HasLearnables: true
       HasLearned: true

    详细信息

    全部展开

    版本历史记录

    在 R2026a 中推出

    另请参阅

    (Statistics and Machine Learning Toolbox) | (Statistics and Machine Learning Toolbox)

    主题