È possibile distribuire un modello 'Decision Optimization, creare e monitorare lavori e ottenere soluzioni utilizzando il modello 'watsonx.ai Runtime 'Python client.
Per distribuire il modello, vedere Distribuzione di un modello Decision Optimization.
Per ulteriori informazioni, consultare la documentazione delclient Runtime Python diwatsonx.ai.
- Installare l'API Runtime Python Client diwatsonx.ai.
- Creare un'istanza client.
- Preparare l'archivio modelli.
- Caricare il modello.
- Crea una distribuzione.
- Creare e monitorare un lavoro con dati in linea per il proprio modello distribuito.
- Visualizzare la soluzione.
- Deploying a DO model with WML
- RunDeployedModel
- ExtendWMLSoftwareSpec
L'esempio 'Deploying a DO model with WML mostra come distribuire un modello 'Decision Optimization, creare e monitorare lavori e ottenere soluzioni utilizzando il modello 'watsonx.ai Runtime 'Python client. Questo notebook utilizza l'esempio di dieta per il modello Decision Optimization e consente di eseguire l'intera procedura senza utilizzare Decision Optimization UI esperimento.
Il RunDeployedModel mostra come eseguire i lavori e ottenere soluzioni da un modello distribuito esistente. Questo blocco note utilizza un modello salvato per la distribuzione da uno scenario Decision Optimization IU esperimento .
yourpackage-1.0.4.tar.gz
yourpackage-1.0.4.zip
yourproject-1.2.3-py33-none-any.whlyourpackage-1.0.4.tgz, il seguente codice mostra come creare l'estensione del package. È necessario utilizzare lo stesso nome pacchetto e la stessa versione nel 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"
}
Negli esempi sono disponibili anche diversi notebook per la distribuzione di vari modelli, ad esempio modelli CPLEX, DOcplex e OPL con diversi tipi di dati.