Vous pouvez déployer un modèle " Decision Optimization, créer et surveiller des tâches et obtenir des solutions en utilisant le modèle " watsonx.ai Exécution Python Client.
Pour déployer votre modèle, voir Déploiement d'un modèle Decision Optimization.
Pour plus d'informations, voir la documentation duclient Runtime Python dewatsonx.ai
- Installez l'API " watsonx.ai Exécution Python Client.
- Créez une instance de client.
- Préparez votre archive de modèle.
- Téléchargez votre modèle.
- Créez un déploiement.
- Créez et surveillez un travail avec des données en ligne pour votre modèle déployé.
- Affichez la solution.
- Deploying a DO model with WML
- RunDeployedModel
- ExtendWMLSoftwareSpec
L'exemple " Deploying a DO model with WML vous montre comment déployer un modèle " Decision Optimization, créer et surveiller des tâches et obtenir des solutions à l'aide du modèle " watsonx.ai Exécution Python Client. Cette bloc-notes utilise l'échantillon de régime alimentaire pour le modèle Decision Optimization et vous guide tout au long de la procédure sans utiliser le Decision Optimization interface utilisateur d'expérimentation.
Le RunDeployedModel vous montre comment exécuter des travaux et obtenir des solutions à partir d'un modèle déployé existant. Ce bloc-notes utilise un modèle qui est sauvegardé pour le déploiement à partir d'un scénario d' interface utilisateur d'expérimentation Decision Optimization .
yourpackage-1.0.4.tar.gz
yourpackage-1.0.4.zip
yourproject-1.2.3-py33-none-any.whlyourpackage-1.0.4.tgz, le code suivant montre comment créer l'extension de package. Vous devez utiliser le même nom de package et la même version dans la zone 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"
}
Vous pouvez également trouver dans les exemples plusieurs blocs-notes pour déployer divers modèles, par exemple des modèles CPLEX, DOcplex et OPL avec différents types de données.