Puede desplegar un modelo Decision Optimization, crear y monitorizar trabajos y obtener soluciones utilizando el clientewatsonx.ai Runtime Python.
Para desplegar su modelo, consulte Despliegue de un modelo Decision Optimization.
Para más información, consulte la documentacióndel clientewatsonx.ai Runtime Python.
- Instale la API de cliente Python en tiempo de ejecución dewatsonx.ai.
- Cree una instancia de cliente.
- Prepare el archivador de modelo.
- Sube tu modelo.
- Cree un despliegue.
- Cree y supervise un trabajo con datos en línea para el modelo desplegado.
- Visualice la solución.
- Deploying a DO model with WML
- RunDeployedModel
- ExtendWMLSoftwareSpec
El ejemplo ' Deploying a DO model with WML ' muestra cómo desplegar un modelo Decision Optimization, crear y monitorizar trabajos, y obtener soluciones utilizando el clientewatsonx.ai Runtime Python. Este cuaderno utiliza el ejemplo de dieta para el modelo Decision Optimization y le lleva a través de todo el procedimiento sin utilizar Decision Optimization IU de experimento.
El RunDeployedModel le muestra cómo ejecutar trabajos y obtener soluciones de un modelo desplegado existente. Este cuaderno utiliza un modelo que se guarda para el despliegue desde un escenario de Decision Optimization IU de experimento .
yourpackage-1.0.4.tar.gz
yourpackage-1.0.4.zip
yourproject-1.2.3-py33-none-any.whlyourpackage-1.0.4.tgz, el código siguiente muestra cómo crear la extensión de paquete. Debe utilizar el mismo nombre de paquete y versión en el campo NAME .meta_prop_pkg_ext = {
client.package_extensions.ConfigurationMetaNames.NAME: "yourpackage-1.0.4.tgz",
client.package_extensions.ConfigurationMetaNames.DESCRIPTION: "Pkg extension for custom lib",
client.package_extensions.ConfigurationMetaNames.TYPE: "pip_zip"
}
También puede encontrar en los ejemplos varios cuadernos para desplegar varios modelos, por ejemplo, modelos CPLEX, DOcplex y OPL con distintos tipos de datos.