NHN Cloud > SDK 사용 가이드 > AI EasyMaker

개발 가이드

AI EasyMaker 파이썬 SDK 설치

python -m pip install easymaker

  • AI EasyMaker 노트북에는 기본적으로 설치되어 있습니다.

AI EasyMaker SDK 초기화

앱키(Appkey)와 비밀 키(Secret key)는 콘솔 오른쪽 상단의 URL & Appkey 메뉴에서 확인할 수 있습니다. 활성화한 AI EasyMaker 상품의 앱키, 비밀 키, 리전 정보를 입력합니다. AI EasyMaker SDK를 사용하기 위해서는 초기화 코드가 필요합니다.

import easymaker

easymaker.init(
    appkey='EASYMAKER_APPKEY',
    region='kr1',
    secret_key='EASYMAKER_SECRET_KEY',
)

실험 생성

학습을 생성하기 전에 학습을 분류할 수 있는 실험 생성이 필요합니다.

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
experiment_name String 필수 없음 최대 50자 실험 이름
experiment_description String 선택 없음 최대 255자 실험에 대한 설명
wait Boolean 선택 True True, False True: 실험 생성이 완료된 이후 실험 ID를 반환, False: 생성 요청 후 즉시 실험 ID를 반환 
experiment_id = easymaker.Experiment().create(
    experiment_name='experiment_name',
    experiment_description='experiment_description',
    # wait=False,
)

실험 삭제

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
experiment_id String 필수 없음 최대 36자 실험 ID 
easymaker.Experiment().delete(experiment_id)

학습 생성

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
experiment_id String 필수 없음 없음 실험 ID
training_name String 필수 없음 최대 50자 학습 이름
training_description String 선택 없음 최대 255자 학습에 대한 설명
train_image_name String 필수 없음 없음 학습에 사용될 이미지 이름(CLI로 조회 가능)
train_instance_name String 필수 없음 없음 인스턴스 타입 이름(CLI로 조회 가능)
distributed_training_count Integer 필수 없음 1~10 학습에 적용할 분산 학습 수
data_storage_size Integer Obejct Storage 사용 시 필수 없음 300~10000 학습에 필요한 데이터를 다운로드할 저장 공간 크기(단위: GB), NAS 사용 시 불필요
algorithm_name String NHN Cloud 제공 알고리즘 사용 시 필수 없음 최대 64자 알고리즘 이름(CLI로 조회 가능)
source_dir_uri String 자체 알고리즘 사용 시 필수 없음 최대 255자 학습에 필요한 파일들이 들어 있는 경로(NHN Cloud Object Storage 또는 NHN Cloud NAS)
entry_point String 자체 알고리즘 사용 시 필수 없음 최대 255자 source_dir_uri 안에서 최초 실행될 파이썬 파일 정보
model_upload_uri String 필수 없음 최대 255자 학습 완료된 모델이 업로드될 경로(NHN Cloud Object Storage 또는 NHN Cloud NAS)
check_point_input_uri String 선택 없음 최대 255자 입력 체크 포인트 파일 경로(NHN Cloud Object Storage 또는 NHN Cloud NAS)
check_point_upload_uri String 선택 없음 최대 255자 체크 포인트 파일이 업로드될 경로(NHN Cloud Object Storage 또는 NHN Cloud NAS)
timeout_hours Integer 선택 720 1~720 최대 학습 시간(단위: 시간)
hyperparameter_list Array 선택 없음 최대 100개 하이퍼파라미터 정보(hyperparameterKey/hyperparameterValue로 구성)
hyperparameter_list[0].hyperparameterKey String 선택 없음 최대 255자 하이퍼파라미터 키
hyperparameter_list[0].hyperparameterValue String 선택 없음 최대 1000자 하이퍼파라미터 값
dataset_list Array 선택 없음 최대 10개 학습에 사용될 데이터 세트 정보(datasetName/dataUri로 구성)
dataset_list[0].datasetName String 선택 없음 최대 36자 데이터 이름
dataset_list[0].datasetUri String 선택 없음 최대 255자 데이터 경로
tag_list Array 선택 없음 최대 10개 태그 정보
tag_list[0].tagKey String 선택 없음 최대 64자 태그 키
tag_list[0].tagValue String 선택 없음 최대 255자 태그 값
use_log Boolean 선택 False True, False Log & Crash 상품에 로그를 남길지 여부
wait Boolean 선택 True True, False True: 학습 생성이 완료된 이후 학습 ID를 반환, False: 생성 요청 후 즉시 학습 ID를 반환 
training_id = easymaker.Training().run(
    experiment_id=experiment_id,
    training_name='training_name',
    training_description='training_description',
    train_image_name='Ubuntu 18.04 CPU TensorFlow Training',
    train_instance_name='m2.c4m8',
    distributed_training_count=1,
    data_storage_size=300,  # minimum size : 300GB
    source_dir_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{soucre_download_path}',
    entry_point='training_start.py',
    hyperparameter_list=[
        {
            "hyperparameterKey": "epochs",
            "hyperparameterValue": "10",
        },
        {
            "hyperparameterKey": "batch-size",
            "hyperparameterValue": "30",
        }
    ],
    timeout_hours=100,
    model_upload_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{model_upload_path}',
    check_point_input_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{checkpoint_input_path}',
    check_point_upload_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{checkpoint_upload_path}',
    dataset_list=[
        {
            "datasetName": "train",
            "dataUri": "obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{train_data_download_path}"
        },
        {
            "datasetName": "test",
            "dataUri": "obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{test_data_download_path}"
        }
    ],
    tag_list=[
        {
            "tagKey": "tag1",
            "tagValue": "test_tag_1",
        },
        {
            "tagKey": "tag2",
            "tagValue": "test_tag_2",
        }
    ],
    use_log=True,
    # wait=False,
)

학습 삭제

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
training_id String 필수 없음 최대 36자 학습 ID 
easymaker.Training().delete(training_id)

하이퍼파라미터 튜닝 생성

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
experiment_id String 필수 없음 없음 실험 ID
hyperparameter_tuning_name String 필수 없음 최대 50자 하이퍼파라미터 튜닝 이름
hyperparameter_tuning_description String 선택 없음 최대 255자 하이퍼파라미터 튜닝에 대한 설명
image_name String 필수 없음 없음 하이퍼파라미터 튜닝에 사용될 이미지 이름(CLI로 조회 가능)
instance_name String 필수 없음 없음 인스턴스 타입 이름(CLI로 조회 가능)
distributed_training_count Integer 필수 1 distributed_training_count와 parallel_trial_count의 곱이 10 이하 하이퍼파라미터 튜닝에서 각 학습당 적용할 분산 학습 수
parallel_trial_count Integer 필수 1 distributed_training_count와 parallel_trial_count의 곱이 10 이하 하이퍼파라미터 튜닝에서 병렬로 실행할 학습 수
data_storage_size Integer Obejct Storage 사용 시 필수 없음 300~10000 하이퍼파라미터 튜닝에 필요한 데이터를 다운로드할 저장 공간 크기(단위: GB), NAS 사용 시 불필요
algorithm_name String NHN Cloud 제공 알고리즘 사용 시 필수 없음 최대 64자 알고리즘 이름(CLI로 조회 가능)
source_dir_uri String 자체 알고리즘 사용 시 필수 없음 최대 255자 하이퍼파라미터 튜닝에 필요한 파일들이 들어있는 경로(NHN Cloud Object Storage 또는 NHN Cloud NAS)
entry_point String 자체 알고리즘 사용 시 필수 없음 최대 255자 source_dir_uri 안에서 최초 실행될 파이썬 파일 정보
model_upload_uri String 필수 없음 최대 255자 하이퍼파라미터 튜닝에서 학습 완료된 모델이 업로드될 경로(NHN Cloud Object Storage 또는 NHN Cloud NAS)
check_point_input_uri String 선택 없음 최대 255자 입력 체크 포인트 파일 경로(NHN Cloud Object Storage 또는 NHN Cloud NAS)
check_point_upload_uri String 선택 없음 최대 255자 체크 포인트 파일이 업로드될 경로(NHN Cloud Object Storage 또는 NHN Cloud NAS)
timeout_hours Integer 선택 720 1~720 최대 하이퍼파라미터 튜닝 시간(단위: 시간)
hyperparameter_spec_list Array 선택 없음 최대 100개 하이퍼파라미터 스펙 정보
hyperparameter_spec_list[0].
hyperparameterName		 String 선택 없음 최대 255자 하이퍼파라미터 이름
hyperparameter_spec_list[0].
hyperparameterTypeCode		 String 선택 없음 INT, DOUBLE, DISCRETE, CATEGORICAL 하이퍼파라미터 타입
hyperparameter_spec_list[0].
hyperparameterMinValue		 Integer/Double hyperparameterTypeCode가 INT, DOUBLE인 경우 필수 없음 없음 하이퍼파라미터 최솟값
hyperparameter_spec_list[0].
hyperparameterMaxValue		 Integer/Double hyperparameterTypeCode가 INT, DOUBLE인 경우 필수 없음 없음 하이퍼파라미터 최댓값
hyperparameter_spec_list[0].
hyperparameterStep		 Integer/Double hyperparameterTypeCode가 INT, DOUBLE이면서 GRID 전략인 경우 필수 없음 없음 "Grid" 튜닝 전략을 사용할 때 하이퍼파라미터 값의 변화 크기
hyperparameter_spec_list[0].
hyperparameterSpecifiedValues		 String hyperparameterTypeCode가 DISCRETE, CATEGORICAL 경우 필수 없음 최대 3000자 정해진 하이퍼파라미터 목록(,로 구분된 문자열이나 숫자)
dataset_list Array 선택 없음 최대 10개 하이퍼파라미터 튜닝에 사용될 데이터 세트 정보(datasetName/dataUri로 구성)
dataset_list[0].datasetName String 선택 없음 최대 36자 데이터 이름
dataset_list[0].datasetUri String 선택 없음 최대 255자 데이터 경로
metric_list Array 자체 알고리즘 사용 시 필수 없음 최대 10개(지표 이름들로 된 문자열 리스트) 학습 코드가 출력하는 로그 중에 어떤 지표를 수집할지 정의합니다.
metric_regex String 자체 알고리즘 사용 시 선택 ([\w\ -]+)\s=\s([+-]?\d*(.\d+)?([Ee][+-]?\d+)?) 최대 255자
objective_metric_name String 자체 알고리즘 사용 시 필수 없음 최대 36자, metric_list 중 하나 어떤 지표를 최적화하는 게 목표인지 선택합니다.
objective_type_code String 자체 알고리즘 사용 시 필수 없음 MINIMIZE, MAXIMIZE 목표 지표 최적화 유형을 선택합니다.
objective_goal Double 선택 없음 없음 목표 지표가 이 값에 도달하면 튜닝 작업이 종료됩니다.
max_failed_trial_count Integer 선택 없음 없음 실패한 학습의 최대 개수를 정의합니다. 실패한 학습의 개수가 이 값에 도달하면 튜닝이 실패로 종료됩니다.
max_trial_count Integer 선택 없음 없음 최대 학습 수를 정의합니다. 자동 실행된 학습의 개수가 이 값에 도달할 때까지 튜닝이 실행됩니다.
tuning_strategy_name String 필수 없음 없음 어떤 전략을 사용해서 최적의 하이퍼파라미터를 찾을지 선택합니다.
tuning_strategy_random_state Integer 선택 없음 없음 난수 생성을 결정합니다. 재현 가능한 결과를 위해 고정된 값으로 지정합니다.
early_stopping_algorithm String 필수 없음 EARLY_STOPPING_ALGORITHM.
MEDIAN		 학습이 계속 진행되어도 모델이 더 이상 좋아지지 않으면 학습을 조기에 종료합니다.
early_stopping_min_trial_count Integer 필수 3 없음 중간값을 계산할 때 몇 개의 학습으로부터 목표 지표 값을 가져올지 정의합니다.
early_stopping_start_step Integer 필수 4 없음 몇 번째 학습 단계부터 조기 중지를 적용할지 설정합니다.
tag_list Array 선택 없음 최대 10개 태그 정보
tag_list[0].tagKey String 선택 없음 최대 64자 태그 키
tag_list[0].tagValue String 선택 없음 최대 255자 태그 값
use_log Boolean 선택 False True, False Log & Crash 상품에 로그를 남길지 여부
wait Boolean 선택 True True, False True: 하이퍼파라미터 튜닝 생성이 완료된 이후 하이퍼파라미터 튜닝 ID를 반환, False: 생성 요청 후 즉시 학습 ID를 반환 
hyperparameter_tuning_id = easymaker.HyperparameterTuning().run(
    experiment_id=experiment_id,
    hyperparameter_tuning_name='hyperparameter_tuning_name',
    hyperparameter_tuning_description='hyperparameter_tuning_description',
    image_name='Ubuntu 18.04 CPU TensorFlow Training',
    instance_name='m2.c8m16',
    distributed_training_count=1,
    parallel_trial_count=1,
    data_storage_size=300,
    source_dir_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{soucre_download_path}',
    entry_point='training_start.py',
    hyperparameter_spec_list=[
        {
            "hyperparameterName": "learning_rate",
            "hyperparameterTypeCode": easymaker.HYPERPARAMETER_TYPE_CODE.DOUBLE,
            "hyperparameterMinValue": "0.01",
            "hyperparameterMaxValue": "0.05",
        },
         {
            "hyperparameterName": "epochs",
            "hyperparameterTypeCode": easymaker.HYPERPARAMETER_TYPE_CODE.INT,
            "hyperparameterMinValue": "100",
            "hyperparameterMaxValue": "1000",
        }
    ],
    timeout_hours=10,
    model_upload_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{model_upload_path}',
    check_point_input_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{checkpoint_input_path}',
    check_point_upload_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{checkpoint_upload_path}',
    dataset_list=[
        {
            "datasetName": "train",
            "dataUri": "obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{train_data_download_path}"
        },
        {
            "datasetName": "test",
            "dataUri": "obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{test_data_download_path}"
        }
    ],
    metric_list=["val_loss", "loss", "accuracy"],
    metric_regex='([\w|-]+)\s*:\s*([+-]?\d*(\.\d+)?([Ee][+-]?\d+)?)',
    objective_metric_name="val_loss",
    objective_type_code=easymaker.OBJECTIVE_TYPE_CODE.MINIMIZE,
    objective_goal=0.01,
    max_failed_trial_count=3,
    max_trial_count=10,
    tuning_strategy_name=easymaker.TUNING_STRATEGY.BAYESIAN_OPTIMIZATION,
    tuning_strategy_random_state=1,
    early_stopping_algorithm=easymaker.EARLY_STOPPING_ALGORITHM.MEDIAN,
    early_stopping_min_trial_count=3,
    early_stopping_start_step=4,
    tag_list=[
        {
            "tagKey": "tag1",
            "tagValue": "test_tag_1",
        }
    ],
    use_log=True,
    # wait=False,
)

하이퍼파라미터 튜닝 삭제

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
hyperparameter_tuning_id String 필수 없음 최대 36자 하이퍼파라미터 튜닝 ID 
easymaker.HyperparameterTuning().delete(hyperparameter_tuning_id)

모델 생성

학습 ID 값으로 모델 생성을 요청할 수 있습니다. 모델은 엔드포인트 생성 시 사용됩니다.

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
training_id String hyperparameter_tuning_id가 없는 경우 필수 없음 없음 모델로 생성할 학습 ID
hyperparameter_tuning_id String training_id가 없는 경우 필수 없음 없음 모델로 생성할 하이퍼파라미터 튜닝 ID(최고 학습으로 생성됨)
model_name String 필수 없음 최대 50자 모델 이름
model_description String 선택 없음 최대 255자 모델에 대한 설명
tag_list Array 선택 없음 최대 10개 태그 정보
tag_list[0].tagKey String 선택 없음 최대 64자 태그 키
tag_list[0].tagValue String 선택 없음 최대 255자 태그 값 
model_id = easymaker.Model().create(
    training_id=training_id,  # or hyperparameter_tuning_id=hyperparameter_tuning_id,
    model_name='model_name',
    model_description='model_description',
)

학습 ID가 없더라도, 모델이 저장된 경로 정보와 프레임워크 종류를 입력하여 모델을 생성할 수 있습니다.

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
framework_code Enum 필수 없음 easymaker.TENSORFLOW, easymaker.PYTORCH 학습에 사용된 프레임워크 정보
model_uri String 필수 없음 최대 255자 모델 파일 경로(NHN Cloud Object Storage 또는 NHN Cloud NAS)
model_name String 필수 없음 최대 50자 모델 이름
model_description String 선택 없음 최대 255자 모델에 대한 설명
tag_list Array 선택 없음 최대 10개 태그 정보
tag_list[0].tagKey String 선택 없음 최대 64자 태그 키
tag_list[0].tagValue String 선택 없음 최대 255자 태그 값 
model_id = easymaker.Model().create_by_model_uri(
    framework_code=easymaker.TENSORFLOW,
    model_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{model_upload_path}',
    model_name='model_name',
    model_description='model_description',
)

모델 삭제

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
model_id String 필수 없음 최대 36자 모델 ID 
easymaker.Model().delete(model_id)

엔드포인트 생성

엔드포인트 생성 시 기본 스테이지가 생성됩니다.

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
endpoint_name String 필수 없음 최대 50자 엔드포인트 이름
endpoint_description String 선택 없음 최대 255자 엔드포인트에 대한 설명
endpoint_instance_name String 필수 없음 없음 엔드포인트에 사용될 인스턴스 타입 이름
endpoint_instance_count Integer 선택 1 1~10 엔드포인트에 사용될 인스턴스 수
endpoint_model_resource_list Array 필수 없음 최대 10개 스테이지에 사용될 리소스 정보
endpoint_model_resource_list[0].modelId String 필수 없음 없음 스테이지 리소스로 생성할 모델 ID
endpoint_model_resource_list[0].apigwResourceUri String 필수 없음 최대 255자 /로 시작하는 API Gateway 리소스 경로
endpoint_model_resource_list[0].podCount Integer 필수 없음 1~100 스테이지 리소스에 사용될 파드 수
endpoint_model_resource_list[0].description String 선택 없음 최대 255자 스테이지 리소스에 대한 설명
tag_list Array 선택 없음 최대 10개 태그 정보
tag_list[0].tagKey String 선택 없음 최대 64자 태그 키
tag_list[0].tagValue String 선택 없음 최대 255자 태그 값
use_log Boolean 선택 False True, False Log & Crash 상품에 로그를 남길지 여부
wait Boolean 선택 True True, False True: 엔드포인트 생성이 완료된 이후 엔드포인트 ID를 반환, False: 엔드포인트 요청 후 즉시 엔드포인트 ID를 반환 
endpoint = easymaker.Endpoint()
endpoint_id = endpoint.create(
    endpoint_name='endpoint_name',
    endpoint_description='endpoint_description',
    endpoint_instance_name='c2.c16m16',
    endpoint_instance_count=1,
    endpoint_model_resource_list=[
        {
            'modelId': model_id,
            'apigwResourceUri': '/predict',
            'podCount': 1,
            'description': 'stage_resource_description'
        }
    ],
    use_log=True,
    # wait=False,
)

생성해둔 엔드포인트 사용

endpoint = easymaker.Endpoint()

스테이지 추가

기존 엔드포인트에 신규 스테이지를 추가할 수 있습니다.

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
stage_name String 필수 없음 최대 50자 스테이지 이름
stage_description String 선택 없음 최대 255자 스테이지에 대한 설명
endpoint_instance_name String 필수 없음 없음 엔드포인트에 사용될 인스턴스 타입 이름
endpoint_instance_count Integer 선택 1 1~10 엔드포인트에 사용될 인스턴스 수
endpoint_model_resource_list Array 필수 없음 최대 10개 스테이지에 사용될 리소스 정보
endpoint_model_resource_list[0].modelId String 필수 없음 없음 스테이지 리소스로 생성할 모델 ID
endpoint_model_resource_list[0].apigwResourceUri String 필수 없음 최대 255자 /로 시작하는 API Gateway 리소스 경로
endpoint_model_resource_list[0].podCount Integer 필수 없음 1~100 스테이지 리소스에 사용될 파드 수
endpoint_model_resource_list[0].description String 선택 없음 최대 255자 스테이지 리소스에 대한 설명
tag_list Array 선택 없음 최대 10개 태그 정보
tag_list[0].tagKey String 선택 없음 최대 64자 태그 키
tag_list[0].tagValue String 선택 없음 최대 255자 태그 값
use_log Boolean 선택 False True, False Log & Crash 상품에 로그를 남길지 여부
wait Boolean 선택 True True, False True: 스테이지 생성이 완료된 이후 스테이지 ID를 반환, False: 스테이지 요청 후 즉시 스테이지 ID를 반환 
stage_id = endpoint.create_stage(
    stage_name='stage01',  # 30자 이내 소문자/숫자
    stage_description='test endpoint',
    endpoint_instance_name='c2.c16m16',
    endpoint_instance_count=1,
    endpoint_model_resource_list=[
        {
            'modelId': model_id,
            'apigwResourceUri': '/predict',
            'podCount': 1,
            'description': 'stage_resource_description'
        }
    ],
    use_log=True,
    # wait=False,
)

엔드포인트 인퍼런스

기본 스테이지에 인퍼런스

# 기본 스테이지 정보 조회
endpoint_stage_info = endpoint.get_default_endpoint_stage()
print(f'endpoint_stage_info : {endpoint_stage_info}')

# 스테이지를 지정하여 인퍼런스 요청
input_data = [6.0, 3.4, 4.5, 1.6]
endpoint.predict(endpoint_stage_info=endpoint_stage_info,
                 model_id=model_id,
                 json={'instances': [input_data]})

특정 스테이지 지정하여 인퍼런스

# 스테이지 정보 조회
endpoint_stage_info = endpoint.get_endpoint_stage_by_id(endpoint_stage_id=stage_id)
print(f'endpoint_stage_info : {endpoint_stage_info}')

# 스테이지를 지정하여 인퍼런스 요청
input_data = [6.0, 3.4, 4.5, 1.6]
endpoint.predict(endpoint_stage_info=endpoint_stage_info,
                 model_id=model_id,
                 json={'instances': [input_data]})

엔드포인트 삭제

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
endpoint_id String 필수 없음 최대 36자 엔드포인트 ID 
endpoint.Endpoint().delete_endpoint(endpoint_id)

엔드포인트 스테이지 삭제

[Parameter]

이름 타입 필수 여부 기본값 유효 범위 설명
stage_id String 필수 없음 최대 36자 스테이지 ID 
endpoint.Endpoint().delete_endpoint_stage(stage_id)

NHN Cloud - Log & Crash 로그 전송 기능

easymaker_logger = easymaker.logger(logncrash_appkey='log&crash_product_app_key')
easymaker_logger.send('test log meassage')  # Output to stdout & send log to log&crash product
easymaker_logger.send(log_message='log meassage',
                      log_level='ERROR',  # default: INFO
                      project_version='2.0.0',  # default: 1.0.0
                      parameters={'serviceType': 'EasyMakerSample'})  # Add custom parameters

NHN Cloud - Object Storage 파일 전송 기능

Object Storage 상품으로 파일을 업로드하고 다운로드하는 기능을 제공합니다.

easymaker.upload(
    easymaker_obs_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{upload_path}',
    local_path='./local_dir',
    username='userId@nhn.com',
    password='nhn_object_storage_api_password'
)

easymaker.download(
    easymaker_obs_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_00000000000000000000000000000000/SDK/sample/source_dir',
    download_dir_path='./download_dir',
    username='userId@nhn.com',
    password='nhn_object_storage_api_password'
)

CLI Command

앱키, 비밀 키, 리전 정보를 알고 있다면, 콘솔에 접근하지 않고도 파이썬 CLI를 통해 여러 정보를 확인할 수 있습니다.

기능 명령어
Instance type 목록 조회 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -instance
Image 목록 조회 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -image
Algorithm 목록 조회 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -algorithm
Experiment 목록 조회 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -experiment
Training 목록 조회 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -training
Hyperparameter tuning 목록 조회 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -tuning
Model 목록 조회 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -model
Endpoint 목록 조회 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -endpoint
목차
TOP