共计 1922 个字符，预计需要花费 5 分钟才能阅读完成。
Jerry 之前的两篇文章介绍了如何通过 Restful API 的方式，消费 SAP Leonardo 上预先训练好的机器学习模型：
如何在 Web 应用里消费 SAP Leonardo 的机器学习 API
部署在 SAP Cloud Platform CloudFoundry 环境的应用如何消费
当时 Jerry 提到，Product Image Classification API 只支持 29 种产品类别：
如果我们开发应用时需要支持额外的产品类别，就得需要自行提供该产品类别的图片并重新训练。
下面是 SAP Leonardo 上机器学习模型的重新训练步骤。
假设我们期望重新训练之后，Product Image Classfication 这个模型能够识别出不同种类的花，那么我们首先得搞到大量花的图片。Tensorflow 的官网上，已经体贴地给想做模型训练的学习者们，提供了一个做练习用的压缩包，里面包含了大量各式花的图片。
http://download.tensorflow.or…
SAP Leonardo 接受的能用于重新训练模型的数据集，必须符合下列的层级结构，即 training, validation 和 test 三个文件夹下面，分别包含以产品类别命名的字文件夹，且数据规模之比为 8:1:1.
有了用于训练的数据后，下一步就是把这些数据上传到 SAP Leonardo 的模型在线存储平台上。
Jerry 的前一篇文章部署在 SAP Cloud Platform CloudFoundry 环境的应用如何消费曾经介绍了如何在 SAP 云平台上创建 Leonardo 机器学习的服务实例，这个实例的 service key 里包含了一个 IMAGE_RETRAIN_API_URL，可以用来获取在线存储的 url：
向这个 url 发送一个 HTTP get 请求，得到在线存储的 url：
把这个 url 粘贴到浏览器里，输入 postman 里返回的 accessKey 和 secretKey 登录，就能以 web 的方式访问这个在线存储了：
下一步是把本地的训练文件上传到这个部署在 AWS 上的在线存储上去。
首先用命令行 mc config host 定义一个名为 sapjerrys3 的远程站点，将上一步从 postman 获得的 AWS 在线存储 url，accessKey 和 secret 绑定到这个站点上：
然后使用命令行上传文件：
mc.exe cp -r C:CodeMachineLearningStudyflowersjerry sapjerrys3data
大概十几分钟后，文件上传完毕：
此时可以从浏览器里看到 AWS 在线存储上传完毕的训练文件。
现在可以提交一个后台作业了，让 Leonardo 去处理这些上传好的文件，ABAP 顾问们可以把这个动作理解成在 Netweaver 事务码 SM36 里定义一个后台作业并提交。发送一个 HTTP post 请求，除了下图 jobName, dataset 和 modelName 需要自己维护外，其他字段都使用 SAP 官网上定义的默认值。
这个请求会返回一个后台作业 ID，抄下来后把它拼到 url 末尾，然后重新发送一个 HTTP get 请求，即可查询到这个作业的执行情况。Jerry 做的时候，等待了大概五分钟，作业状态就变为 SUCCEEDED 了。
因为上一篇和本文做的练习都是在 SAP Cloud Platform 的 CloudFoundry 环境中进行的，因此我们也可以用 cf 命令行来查询这些作业的执行情况：
cf sapml retraining jobs -m image
如果遇到作业状态为 FAILED 的情况，去 AWS 在线存储上查看以作业名称命名的文件夹，里面包含了详细的训练日志，可以用作错误分析：
在这个训练好的模型能正式被使用之前，我们还需要对其进行部署，类似 ABAP Netweaver 里的“激活”动作。
和提交训练的后台作业类似，模型部署也是一个异步执行的步骤，提交部署请求后，得到一个部署作业 ID：ms-26c5a22c-6d07-4164-8222-a4182969162d
根据这个部署作业 ID 可以查询模型部署状态：
成功部署后，我们就可以用 Restful API 消费这个模型了，url 的格式为：https://mlfinternalproduction…;model name>/versions/1
我从网络上随便找一张向日葵的照片，
将这张图片作为 HTTP POST 的参数发给我重新训练并且部署好的模型 flowerjerrymodel，得到的结果显示，重新训练后的模型认为这张图片有大约 87% 的可能性是代表向日葵。
接下来有时间的话，我打算搜集一些异形的图片来训练，看 SAP Leonardo 能不能把我桌上挂着的这个异形吊饰识别出来。感谢阅读。
要获取更多 Jerry 的原创文章，请关注公众号 ” 汪子熙 ”:
