共计 1654 个字符，预计需要花费 5 分钟才能阅读完成。
去年 5 月的时候，Jerry 曾经写了一篇文章：使用 Java 程序消费 SAP Leonardo 的机器学习 API，而最近另外做的一个项目，需要在 Web 应用里做同样的事情。
因为有了前一篇文章的铺垫，避免了很多重复的工作量。本文还是选择使用 SAP Leonardo 里的一个 Product Image Classification API，即给定一张产品的图片，该 API 能识别出此产品的类别。
再回顾下这个 API 的功能：该 API 的模型是由 SAP 基于大约 5 万张 Icecat 图片训练而成，能区分 29 种不同的类别，这些类别具体罗列于官方文档上，比如电脑显示器，数码相机，外部存储设备，键盘，液晶电视，手机充电器，笔记本和其他外设等等。如果我们消费这个 API 时指定的图片代表的产品不属于这 29 种类别之一，API 的表现如何？先卖个关子，文末解答。
关于如何在 api.sap.com 里找到这个 API 并且在 API console 里测试，请参考 Jerry 之前的文章：使用 Java 程序消费 SAP Leonardo 的机器学习 API。
这里假定我们已经找到了该 API，点击进入明细页面，将 API Key 复制下来，后续的 UI5 应用需要使用到。
然后进入 SAP 云平台的 Neo 环境。Jerry 这个练习，使用免费的 SAP Cloud Platform Neo 测试环境即可。
在 Service 列表里找到 WebIDE——我们将使用 WebIDE 进行 UI5 应用的开发。
Jerry 已经开发好了一个 UI5 应用上传到我的 Github 上了：https://github.com/i042416/Ma…
大家可以直接在 WebIDE 里 clone 这个仓库，或者把仓库的内容以 zip 包的形式下载到本地，再使用 WebIDE 的本地 Import 功能导入。
我们要告诉 UI5 应用这个 API 的 url，因此在 Neo 环境里创建一个 Destination(作用和 ABAP Netweaver 事务码 SM59 里创建的 Destination 相同)：
属性如上图所示，因为是 Neo 测试环境，所以 url 为对应的 sandbox 环境：https://sandbox.api.sap.com/ml
记下这个 Destination 名称 sapui5ml-api, 因为稍后的 UI5 代码里需要使用。
记得维护额外的属性 WebIDEnabled 为 true，这样该 Destination 才能在 UI5 应用里被使用。点击 Check Connection 确保看到绿灯。
打开 WebIDE 里 UI5 工程里的 settings.json 文件，将您之前从 API console 里拷贝的 API Key 粘贴到此处：
在项目根目录下的 neo-app.json 文件里，把类型为 destination 的 target 对象的名称维护成之前在 SAP Cloud Platform Cockpit 里创建的 destination 相同的名称。
运行这个 UI5 应用，能看到如下界面：
做一些简单的测试：
SAP Leonardo 的机器学习 API，识别出这张图片有 74.7% 的可能性是一台笔记本电脑，13.8% 的可能性是键盘，11.3% 的可能性是 Tablets。
点击按钮 View JSON，能看到调用 SAP Leonardo API 返回的技术明细。
鼠标的图片也成功识别出来了：
本文开始曾经提到这个 API 能识别出 29 种不同的产品类别，现在换一种产品，如下图：
这是 Jerry 小时候就很痴迷的《终结者》系列的 T800，我在 2017 年回复 SAP 社区上一篇博客时也引用到了这款经典的模型，和阿诺德 – 施瓦辛格那句激励无数中老年程序员的著名台词：I am old but I am NOT OBSOLETE
原文链接: https://blogs.sap.com/2016/12…
言归正传，如果希望 SAP Leonardo 的 Product Image Classification API 也能成功将 T800 识别出来，需要做些什么？
答案是重新训练模型。具体如何做，Jerry 也还在研究，等研究完毕再分享。感谢阅读。
要获取更多 Jerry 的原创文章，请关注公众号 ” 汪子熙 ”:
