Translation not up to date
The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.
Last updated: 03 lis 2023
Ten kurs przedstawia sposób generowania wielu scenariuszy z notebook przy użyciu danych losowych. Generowanie wielu scenariuszy umożliwia przetestowanie modelu przez udostępnienie go szerokiemu zakresowi danych.
O tym zadaniu
Pliki użyte w tym przykładzie znajdują się w projekcie DO-samples . Model, którego to dotyczy, to StaffPlanning , a notebook to CopyAndSolveScenarios.
Uwaga: Aby można było tworzyć i uruchamiać modele optymalizacji, do projektu musi być dodana zarówno usługa Machine Learning , jak i obszar wdrażania, który jest powiązany z eksperymentem:
- Dodaj plik Usługa systemu Machine Learning do projektu. Tę usługę można dodać na poziomie projektu (patrz sekcja Tworzenie instancji usługi Watson Machine Learning) lub podczas tworzenia nowego Decision Optimization eksperyment: należy kliknąć opcję Dodaj usługę systemu Machine Learning, wybrać lub utworzyć Nowa usługa, kliknąć opcję Powiąż, a następnie zamknąć okno.
- Powiąż obszar wdrażania z Decision Optimization eksperyment (patrz sekcja Obszary wdrażania). Obszar wdrażania można utworzyć lub wybrać podczas pierwszego tworzenia nowego Decision Optimization eksperymentu: kliknij opcję Utwórz obszar wdrażania, wprowadź nazwę obszaru wdrażania, a następnie kliknij opcję Utwórz. W przypadku istniejących modeli można również utworzyć lub wybrać obszar w panelu informacji Przegląd .
Procedura
Aby utworzyć i rozwiązać scenariusz przy użyciu przykładu:
- Pobierz i wyodrębnij wszystkie DO-samples na swój komputer. Można również pobrać tylko plik StaffPlanning.zip z podfolderu Model_Builder dla danego produktu i wersji, ale w tym przypadku nie należy go rozpakowywać.
- Otwórz projekt lub utwórz pusty projekt.
- Na karcie Zarządzanie projektu wybierz sekcję Usługi i integracje i kliknij opcję Powiąż usługę. Następnie wybierz istniejącą instancję usługi Machine Learning (lub utwórz nową). i kliknij opcję Powiąż. Po powiązaniu usługi zostanie wyświetlony komunikat o powodzeniu, a następnie można zamknąć okno Powiąż usługę .
- Wybierz kartę Zasoby .
- Wybierz opcję Nowy zasób > Decision Optimization w sekcji Graficzne programy budujące .
- Kliknij opcję Plik lokalny w oknie Utwórz eksperyment dotyczący Decision Optimization , które zostanie otwarte.
- Przeglądaj, aby wybrać plik StaffPlanning.zip w folderze Model_Builder . Wybierz odpowiedni podfolder produktu i wersji w pobranej sekcji DO-samples.
- Jeśli z projektem nie powiązano jeszcze usługi Machine Learning , należy najpierw wybrać opcję Dodaj usługę Machine Learning , aby wybrać lub utworzyć usługę przed wybraniem obszaru wdrażania dla eksperymentu.
- Kliknij przycisk Utwórz.Tworzony jest model Decision Optimization o takiej samej nazwie jak przykład.
- Pracując w scenariuszu 1 modelu
StaffPlanning, można zauważyć, że rozwiązanie zawiera tabele identyfikujące, które dni pracy zasobów zaspokaja oczekiwany popyt.Jeśli nie jest wyświetlane żadne rozwiązanie lub aby ponownie uruchomić model, kliknij ikonę Buduj model na pasku bocznym, a następnie kliknij opcję Uruchom , aby rozwiązać problem z modelem.
Używanie generatora liczb losowych do tworzenia nowych scenariuszy
Procedura
Aby utworzyć nowe scenariusze przy użyciu danych losowanych za pomocą próby:
- Wybierz kartę Zasoby .
- Wybierz opcję Nowy zasób aplikacyjny > Edytor notatnika Jupyter w sekcji Edytory kodu .
- W otwartym panelu Nowy notatnik wybierz kartę Z pliku .
- Kliknij opcję Przeciągnij i upuść pliki lub prześlij i przeglądaj , aby wybrać notatnik CopyAndSolveScenarios z folderu jupyter . Wybierz odpowiedni podfolder produktu i wersji w pobranej sekcji DO-samples.
- Kliknij opcję Utwórz notatnik.Notatnik zostanie otwarty w projekcie.
- Na karcie Ustawienia projektu znajdź sekcję Znaczniki dostępu , a następnie kliknij opcję Nowy znacznik +. Wprowadź nazwę znacznika, wybierz rolę dostępu Edytujący i kliknij opcję Utwórz.
- Wróć do notatnika z karty Zasoby aplikacyjne projektu i kliknij ikonę ołówka, aby ją edytować. W menu Więcej
wybierz opcję Wstaw znacznik projektu. Spowoduje to dodanie znacznika autoryzacji w ukrytej komórce. - Z głównego menu nawigacyjnego wybierz opcję Administruj > Access (IAM) > Klucze API. Utwórz i skopiuj klucz API.
- Wróć do notatnika
CopyAndSolveScenariosi znajdź komórkę zawierającą plikclient=Client(pc=pc,apikey="IAM_APIKEY", a następnie zastąp kluczIAM_APIKEYwłasnym kluczem interfejsu API IBM Cloud , który został właśnie skopiowany. - Znajdź komórkę zawierającą
decision = client.get_model_builder(name="StaffPlanning").Ta komórka informuje notatnik o konieczności skopiowania plikuScenario 1z modeluStaffPlanningi użycia go do wygenerowania dodatkowych scenariuszy na podstawie danych losowych. Jeśli dla modelu została użyta inna nazwa,Staffplanningnależy zastąpić wybraną nazwą. - Uruchom notatnik , używając Komórka>Uruchom wszystkie.Notatnik używa modułu Python random do generowania danych dla pięciu dodatkowych scenariuszy w modelu o nazwie StaffPlanning. Nowe scenariusze mają nazwę Kopia 01 ... Kopia 05. Liczba scenariuszy do wygenerowania jest określona w komórce 9,
N_SCENARIOS = 5. - Otwórz model
StaffPlanning, aby porównać rozwiązania różnych scenariuszy. Kliknij ikonę Scenariusze , aby otworzyć panel Scenariusz i szybko przechodzić między scenariuszami. Wszystkie scenariusze można również wyświetlić w panelu Przegląd . - Kliknij opcję Wizualizacja w panelu nawigacyjnym, aby porównać różne scenariusze na karcie Scenariusz wielokrotny .Wykres Popyt przedstawia zapotrzebowanie dla różnych okresów w losowo wygenerowanych scenariuszach. Wykres Kluczowe wskaźniki wydajności przedstawia łączny koszt dla losowo wygenerowanych scenariuszy. Wykres Moje kluczowe wskaźniki wydajności udostępnia mapę termiczną kosztów dla różnych scenariuszy wraz z mieszanką tymczasowych i stałych zasobów dla każdego z nich.