---
title: 予測のアップロード
slug: api-guide/ja/aNIKhfnn2VrABjfWi-hUI
docTags: 
createdAt: 2024-12-16T13:47:11.493Z
---

## はじめに

この例では、既存のデータセットにAPIを使用して予測をアップロードする方法を説明します。

開始する前に、[はじめに](docId\:Q51QlT8C6uDMZIr8moMyR)の前提条件を確認し、[予測フォーマット](docId\:ikzqfD_v1WNy08RAJmCaC)について学んでください。

## 手順

新しいPythonファイルを作成し、以下のライブラリをインポートしてください：

```python
import requests

from kognic.auth.requests.auth_session import RequestsAuthSession

base_url = "https://dataset.app.kognic.com/v1/"
client = RequestsAuthSession()
```

### 1. データセットのUUIDを取得する

ツールにアクセスしてURLの`dataset/`に続くUUIDをコピーするか、datasetsエンドポイントを利用してデータセットのUUIDを取得できます：

```python
client.session.get("https://dataset.app.kognic.com/v2/datasets")
```

### 2. 既存の予測グループのUUIDを取得するか、新しいものを作成する

### 2.a 既存の予測グループのUUIDを取得する

予測をアップロードするには、予測グループが存在する必要があります。予測は任意の目的でグループに整理できます。既存の予測グループのUUIDは、URLの`predictions/`に続く部分で確認するか、以下のエンドポイントを使用して取得できます：

```python
client.session.get(base_url + f"/datasets/{datasetUuid}/predictions-groups")
```

### 2.b 予測グループの作成（オプション）

セグメンテーションタスクを含まないデータセットの場合、新しい予測グループは、**アプリ内で操作する**（右上の`Manage Predictions`をクリックし、`+ Create predictions group`を選択）か、**以下のコードスニペットを使用する**ことで作成できます：

```python
path = base_url + f"/datasets/{datasetUuid}/predictions-groups"
body = {"name": "My predictions group", "description": "A description of my new predictions group"}
try:
    response = client.session.post(path, json=body)
    response.raise_for_status()
    response_json = response.json()
    print(f"Created predictions group with uuid {response_json['data']}")
except requests.exceptions.RequestException as e:
    msg = e.response.text
    print(f"Request error: {e}. {msg}")
```

**特殊なケース：セグメンテーションデータセット**

セグメンテーションデータセットに関連付けられた予測グループは、コードスニペットを使用して作成する必要があり、`classMapping`という追加パラメータも必要です。このマッピングは、予測とアノテーション間の不一致を計算する際に使用され、ソート順やギャラリーでの不一致の表示方法に影響します。`classMapping`パラメータは辞書のリストで、各辞書には`annotated`と`predicted`のキーが含まれます。`annotated`キーはアノテーション内のクラス名、`predicted`キーは予測内のクラス名です。例えば、異なる樹種をアノテーションしているが、木かどうかのみを予測する場合は`{"annotated": "oak", "predicted": "tree"}`のようになります。

予測とアノテーションのすべてのクラス名は、マッピングが不要な場合でも、クラスマッピングに含まれている必要があります。アノテーションでは、セグメンテーションされていない領域には`_background`というクラス名が付けられます。

```python
example_body = {
    "name": "My predictions group",
    "description": "A description of my new predictions group",
    "classMapping": [
        {"annotated": "oak", "predicted": "tree"},
        {"annotated": "_background", "predicted": "not_tree"},
        {"annotated": "only_in_annotations"}
    ]
}
```

### 3. 予測のアップロード

少量の予測の場合は、同期呼び出しでも問題ない場合があります：

```python
import requests

from kognic.auth.requests.auth_session import RequestsAuthSession

base_url = "https://dataset.app.kognic.com/v1/"
client = RequestsAuthSession()

predictions_group_uuid = "..."
openlabel_content = {"openlabel": ...}
data = {
    "sceneUuid": "...",
    "openlabelContent": openlabel_content,
}

try:
    response = client.session.post(
        base_url + f"predictions-groups/{predictions_group_uuid}/predictions",
        json=data
    )
    response.raise_for_status()
    response_json = response.json()
    print(f"Created prediction with uuid {response_json['data']}")
except requests.exceptions.RequestException as e:
    msg = e.response.text
    print(f"Request error: {e}. {msg}")
```

大量の予測の場合は、非同期呼び出しを推奨します。以下の例では、`kognic-auth`ライブラリの非同期クライアントを使用して100件の非同期呼び出しを行います：

```python
import asyncio

from kognic.auth.httpx.async_client import HttpxAuthAsyncClient

base_url = "https://dataset.app.kognic.com/v1/"
predictions_group_uuid = "..."
url = base_url + f"predictions-groups/{predictions_group_uuid}/predictions"
openlabel_content = {"openlabel": ...}

MAX_CONNECTIONS = 10


async def upload_prediction(payload, session, sem):
    async with sem:
        response = await session.post(url, json=payload)
        response.raise_for_status()
        return response.json().get("data")


async def main(n_runs: int):
    client = HttpxAuthAsyncClient()
    session = await client.session

    sem = asyncio.Semaphore(MAX_CONNECTIONS)
    tasks = []
    for i in range(n_runs):
        payload = {"sceneUuid": "...", "openlabelContent": openlabel_content}
        task = upload_prediction(payload, session, sem)
        tasks.append(task)

    responses = await asyncio.gather(*tasks)
    await session.aclose()

    print(responses)


if __name__ == '__main__':
    asyncio.run(main(100))
```

`MAX_CONNECTIONS`を10より大きい値に設定すると動作しない場合があり、推奨されません。