Translation not up to date
Produkt IBM Watson Machine Learning umożliwia wdrożenie modelu produktu Decision Optimization i powiązanych wspólnych danych raz, a następnie wprowadzanie żądań zadań do tego wdrożenia przy użyciu tylko powiązanych danych transakcyjnych. Wdrożenie to można zrealizować za pomocą Interfejs REST API produktu Watson Machine Learning lub Klient Watson Machine Learning Python.
Pełny przykład kodu można znaleźć w sekcji Przykład interfejsu API usług REST . Odsyłacz Przykłady klientów Python zawiera odsyłacz do Python notatnik dostępnego w Przykłady.
Omówienie
Poniżej przedstawiono kroki wdrażania i wprowadzania zadań dla modelu Decision Optimization . Kroki te są szczegółowo opisane w następnych sekcjach.
- Utwórz Usługa Machine Learning.
- Utwórz obszar wdrażania za pomocą interfejsu użytkownika https://dataplatform.cloud.ibm.com lub interfejsu REST API.
- Wdróż model ze wspólnymi danymi. To wdrożenie można przeprowadzić z poziomu interfejsu użytkownika (patrz sekcja Wdrażanie z poziomu interfejsu użytkownika) lub wykonując kroki opisane w sekcji Wdrażanie modelu. Patrz także: Przykład interfejsu REST API.
- Wdróż model ze wspólnymi danymi. Opis ten jest opisany w sekcji Wdrożenie modelu. Patrz także: Przykład interfejsu REST API.
- Utwórz i monitoruj zadania do tego wdrożonego modelu.
Rozmiar koszulki odnosi się do predefiniowanych konfiguracji wdrażania: małych, średnich, dużych i dodatkowych dużych.
| Definicja | Nazwa | Opis |
|---|---|---|
| 2 vCPU i 8 GB | S | Małe |
| 4 vCPU i 16 GB | M | Średnie |
| 8 vCPU i 32 GB | L | Duże |
| 16 vCPU i 64 GB | XL | Bardzo duży |