Decision Optimization Python

Retourner à la version anglaise de la documentation

Exemples de client Python

Dernière mise à jour : 22 nov. 2024

Decision Optimization Python

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

Le notebook Python Déployer un modèle d'Decision Optimization, disponible dans le centre de ressources IBM watsonx, illustre la manière dont vous pouvez effectuer les tâches suivantes :

Installez l'API client Python du moteur d'exécutionwatsonx.ai
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.

Voir aussi les exemples de blocs-notes suivants qui se trouvent dans le dossier jupyter de DO-samples. Sélectionnez le sous-dossier de produit et de version approprié..

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 .

Le cahier 'ExtendWMLSoftwareSpec vous montre comment étendre la spécification du logiciel Decision Optimization avec le Runtimewatsonx.ai En étendant la spécification logicielle, vous pouvez utiliser votre propre package pip pour ajouter du code personnalisé, le déployer dans votre modèle et lui envoyer des travaux. Lorsque vous créez votre extension de package, le nom du fichier compressé doit avoir le même nom que l'extension de package, y compris le numéro de version du package. Exemple :

yourpackage-1.0.4.tar.gz
yourpackage-1.0.4.zip
yourproject-1.2.3-py33-none-any.whl

Ainsi, pour un package nommé yourpackage-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.