0 / 0
Retourner à la version anglaise de la documentation
Configuration d'environnements et ajout d'extensions Python
Dernière mise à jour : 04 oct. 2024
Expérimentation Decision Optimization Python , versions d'exécution CPLEX et extensions Python

Vous pouvez modifier votre environnement par défaut pour Python et CPLEX dans l' expérimentation Présentation.

Avant de commencer

Autorisations requises
Pour afficher des environnements, vous pouvez avoir n'importe quel rôle dans un espace de déploiement. Pour éditer ou créer des environnements, vous devez disposer du rôle Editeur ou Administrateur dans l'espace. Pour plus d'informations, voir Rôles et droits de collaborateur de l'espace de déploiement.

A propos de cette tâche

Cette vidéo fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.

Après avoir chargé l'exemple dans votre Decision Optimization expérimentation, vous pouvez suivre la vidéo.

Clause de protection vidéo: Certaines étapes mineures et graphiques de cette vidéo peuvent différer de votre plateforme. L'interface utilisateur est également fréquemment améliorée.

Lorsque vous utilisez l' interface utilisateur de l'expérimentation, les environnements nécessaires sont créés automatiquement pour vous. Toutefois, vous pouvez configurer l'environnement à utiliser pour votre résolution en modifiant l'environnement par défaut. Cet environnement sera ensuite appliqué à tous les scénarios de votre expérimentation. L'environnement dépend de votre type de modèle: Python, OPL, CPLEX, CPO ou Modeling Assistant.

Python est utilisé pour exécuter des modèles Decision Optimization formulés dans DOcplex dans des expérimentations Decision Optimization . Les modèles Modeling Assistant utilisent également Python car le code DOcplex est généré lorsque des modèles sont exécutés ou déployés. Les modèles formulés en OPL ou dans des formats de fichier spécifiques pour CPLEX ou CP Optimizer, tels que les formats LP ou CPO, n'utilisent pas les environnements Python .

L'environnement Decision Optimization prend actuellement en charge Python 3.10. La version par défaut est Python 3.10.

La procédure suivante explique comment modifier l'environnement par défaut pour les modèles DOcplex et Modeling Assistant . Cela peut être utile pour vérifier si votre modèle fonctionne avec la dernière version de CPLEX, ou pour tester votre modèle avec des jeux de données plus volumineux qui nécessitent plus de matériel. Vous pouvez également avoir besoin de mettre à jour la version Python ou d'inclure des bibliothèques Python particulières à l'aide d' extensionsPython.

Pour sélectionner un environnement d'exécution différent pour un scénario particulier, voir selectrunenviron.html.

Procédure

Pour modifier l'environnement par défaut des modèles DOcplex et Modeling Assistant :

  1. Ouvrez Présentation, cliquez sur icône d'information pour ouvrir le panneau Informations et sélectionnez l'onglet Environnements .

    Onglet Environnement du panneau d'informations

  2. Développez la section environnement en fonction de votre type de modèle. Pour les modèles Python et Modélisation, développez Environnement Python. Vous pouvez voir l'environnement Python par défaut (le cas échéant). Pour modifier l'environnement par défaut des modèles OPL, CPLEX ou CPO, développez la section d'environnement appropriée en fonction de votre type de modèle et suivez la même procédure.
  3. Développez le nom de votre environnement et sélectionnez un environnement Python différent.
  4. Facultatif: Pour créer un environnement:
    1. Sélectionnez Nouvel environnement pour Python.
      Une nouvelle fenêtre s'ouvre pour vous permettre de définir votre nouvel environnement. Nouvelle fenêtre d'environnement affichant des zones vides
    2. Entrez un nomet sélectionnez un Version de CPLEX, spécification matérielle, copies (nombre de noeuds), Version de Python et (facultatif) vous pouvez définir Association d'une extension Python sur En fonction pour inclure tout Bibliothèques Python que vous souhaitez ajouter.
    3. Cliquez sur Nouvelle extension Python.
    4. Entrez un nom pour votre extension dans la nouvelle fenêtre Créer une extension Python qui s'ouvre, puis cliquez sur Créer.
    5. Dans la nouvelle fenêtre de configuration de l'extension Python qui s'ouvre, vous pouvez définir le code YAML sur On et entrer ou modifier le code YAML fourni.
      Par exemple, utilisez le modèle fourni pour ajouter les bibliothèques personnalisées:
      # Modify the following content to add a software customization to an environment.
      # To remove an existing customization, delete the entire content and click Apply.
      
      # Add conda channels on a new line after defaults, indented by two spaces and a hyphen.
      channels:
        - defaults
      
      # To add packages through conda or pip, remove the comment on the following line.
      # dependencies:
      
      # Add conda packages here, indented by two spaces and a hyphen.
      # Remove the comment on the following line and replace sample package name with your package name:
      #  - a_conda_package=1.0
      
      # Add pip packages here, indented by four spaces and a hyphen.
      # Remove the comments on the following lines  and replace sample package name with your package name.
      #  - pip:
      #    - a_pip_package==1.0

      Vous pouvez également cliquer sur Parcourir pour ajouter des bibliothèques Python .

      Par exemple, cette image montre une bibliothèque Python de programmation dynamique qui est importée et Code YAML défini sur On.Configuration de la fenêtre d'extension Python avec le code YAML et une bibliothèque de programmation dynamique incluse

      Cliquez sur Done.

    6. Cliquez sur Créer dans la fenêtre Nouvel environnement .
    L'environnement que vous avez choisi (ou que vous venez de créer) apparaît comme indiqué dans la liste déroulante Python de l'onglet Environnements . La coche indique qu'il s'agit de l'environnement Python par défaut pour tous les scénarios de votre expérimentation.
  5. Sélectionnez Gérer les environnements d'expérimentation pour afficher la liste détaillée de tous les environnements existants pour votre expérimentation dans l'onglet Environnements .
    Gérez l'environnement d'expérimentation à l'aide de deux environnements et d'un menu déroulant.

    Vous pouvez utiliser les options fournies en cliquant sur les trois points verticaux en regard d'un environnement vers Éditer, Définir comme valeur par défaut, Mise à jour dans un espace de déploiement ou Supprimer l'environnement. Vous pouvez également créer un nouvel environnement à partir de la fenêtre Gérer les environnements d'expérimentation , mais la création d'un nouvel environnement à partir de cette fenêtre n'en fait pas la valeur par défaut, sauf si vous la définissez explicitement comme valeur par défaut.

    Mise à jour de votre environnement pour les versions de Python ou de CPLEX: Les versions de Python sont régulièrement mises à jour. Si toutefois vous avez explicitement spécifié une version plus ancienne de Python dans votre modèle, vous devez mettre à jour cette spécification de version, faute de quoi vos modèles ne fonctionneront pas. Vous pouvez créer un nouvel environnement Python , comme décrit précédemment, ou en éditer un à partir de Gérer les environnements d'expérimentation. Cela est également utile si vous souhaitez sélectionner une version différente de CPLEX pour votre environnement par défaut.
  6. Cliquez sur l'onglet Python extensions .

    Onglet des extensions Python affichant l'extension créée

    Vous pouvez afficher ici vos extensions Python et voir dans quel environnement il est utilisé. Vous pouvez également créer une nouvelle extension Python ou utiliser les options Editer, Téléchargeret Supprimer existantes. Si vous éditez une extension Python qui est utilisée par un environnement d'expérimentation, l'environnement sera recréé.

    Vous pouvez également afficher vos environnements Python dans vos actifs d'espace de déploiement et toutes les extensions Python que vous avez ajoutées apparaîtront dans la spécification logicielle.

Recherche et réponse à l'IA générative
Ces réponses sont générées par un modèle de langue de grande taille dans watsonx.ai en fonction du contenu de la documentation du produit. En savoir plus