0 / 0
영어 버전 문서로 돌아가기
Decision Optimization 모델 배포하기
마지막 업데이트 날짜: 2024년 11월 28일
Decision Optimization 모델 배치

Decision Optimization 모델을 배치하려면 배치 공간에 배치할 준비가 된 모델을 작성한 후 모델을 아카이브로 업로드하십시오. 배치되면 모델에 작업을 제출하고 작업 상태를 모니터할 수 있습니다.

시작하기 전에

IBM Cloud 계정이 있어야 합니다 ' https://www.ibm.com/cloud/ 참조.
  1. IBM Cloud에 로그인하십시오.
  2. API키를 작성하십시오. API키가 작성됨 열린 창에서 복사하거나 다운로드하십시오 (이 창을 닫으면 다시 액세스할 수 없음).

  3. 선택 사항입니다: watsonx.ai 런타임 서비스를 생성합니다.
  4. IBM Cloud 리소스 목록 보기의 AI/머신Machine Learning 서비스 목록에서 watsonx.ai 런타임 인스턴스를 선택합니다.

    watsonx.ai 런타임 인스턴스의 정보 창에서 이름, GUIDCRN을 복사합니다. (정보 창을 열려면 이름 자체가 아닌 watsonx.ai 런타임 서비스 이름 옆의 행 아무 곳이나 클릭하세요. 그러면 정보 분할창이 동일한 창에서 열립니다.)

  5. 선택 사항입니다: Cloud Object Storage 만듭니다.
  6. IBM Cloud 리소스 목록 보기의 스토리지 리소스 목록에서 Cloud Object Storage 인스턴스를 선택합니다.

    스토리지 인스턴스의 정보 창에서 이름과 CRN을 복사합니다.

  7. 선택 사항입니다: https://dataplatform.cloud.ibm.com 사용자 인터페이스에서 배포 공간을 만듭니다. REST API를 사용하여 배포 공간을 만들 수도 있습니다. REST API를 사용하여 배포 공간 만들기를 참조하세요.
  8. 배포 목록에서 배포 공간을 선택합니다.

    관리 > 일반 탭에서 스페이스 GUID를 복사합니다. 자세한 내용은 배포 공간을 참조하세요.

이 태스크에 대한 정보

이 지시사항에서는 Decision Optimization 모델을 이미 빌드했다고 가정합니다.

프로시저

Decision Optimization 모델을 배치하려면 다음을 수행하십시오.

  1. 설정 또는 마스터 데이터 파일과 함께 Decision Optimization 모델 공식을 패키징하여 tar.gz, .zip 또는 .jar 파일로 배포할 준비를 마칩니다.
    아카이브에는 다음과 같은 선택적 파일이 포함될 수 있습니다.
    1. 모델 파일

      Python 또는 OPL 모델의 경우 이러한 파일에는 일반적으로 모델 공식이 포함되어 있습니다. 그러나 모델과 데이터가 동일한 파일에 통합되어 있는 경우 이러한 파일을 생략하도록 선택할 수도 있습니다. 예를 들어 CPLEX(.lp 파일), CPO(.cpo 파일) 및 mps 형식 모델의 경우 동일한 모드를 확인하지 않으려면 작업 후반에 이러한 파일을 보내면 됩니다.

    2. 설정 파일

      자세한 내용은 매개변수 실행을 참조하세요.

    3. 마스터 데이터

      이러한 파일에는 모든 작업에서 재사용할 수 있는 모든 데이터가 포함되어 있습니다. 이러한 데이터 파일을 포함하면 배포 작업을 더 효율적으로 수행할 수 있습니다. 예를 들어, 마을 간 거리와 같이 일정하게 유지되는 값에 대한 데이터 파일을 포함할 수 있습니다. 이 데이터 파일을 배포에 포함시켜 작업 요청이 있을 때마다 제공하지 않고 한 번만 제공하도록 할 수 있습니다.

    참고: 여러 개의 ' .py ' 파일이 있는 Python 모델의 경우 모든 파일을 아카이브의 같은 폴더에 넣으세요. 같은 폴더에 ' main.py'이라는 메인 파일이 있어야 합니다. 하위 폴더를 사용하지 마세요.
  2. 배포할 준비가 된 모델을 만들고 다음 정보를 제공합니다:
    • watsonx.ai 런타임 서비스 인스턴스
    • 배치 영역 인스턴스
    • 사용 가능한 구성 크기(소형 S, 중간 M, 대형 L, 특대형 XL)에 대한 하드웨어 스펙. 구성을 참조하세요.
    • 소프트웨어 사양 (Decision Optimization 런타임 버전):
      • do_22.1 런타임은 CPLEX 22.1.1.0에 기반합니다
      • do_20.1 런타임은 CPLEX 20.1.0.1 기준입니다

      watsonx.ai 런타임 서비스에서 제공하는 소프트웨어 사양을 확장할 수 있습니다. DO 샘플의' jupyter ' 폴더에 있는 ' ExtendWMLSoftwareSpec ' 노트북을 참조하세요.

      CPLEX 런타임 업데이트:

      더 이상 지원되지 않는 CPLEX 런타임으로 이전에 모델을 배치한 경우 REST API 또는 UI를 사용하여 기존에 배치된 모델을 업데이트할 수 있습니다.

    • 모델 유형:
      • opl (do-opl_<런타임 버전>)
      • cplex (do-cplex_<런타임 버전>)
      • cpo (do-cpo_<런타임 버전>)
      • Python 3.11 또는 3.10 (사용 중단됨)을 사용하여 docplex(do-docplex_<runtime version>)를 생성합니다

      (런타임 버전은 사용 가능한 Decision Optimization 런타임 버전 중 하나 일 수 있으므로 예를 들어 런타임 22.1이 있는 opl 모델은 모델 유형이 do-opl_22.1입니다)

    MODEL-ID를 얻습니다.

    모델은 하나 또는 여러 배포에 사용할 수 있습니다.

  3. 모델 아카이브(tar.gz, ' .zip' , 또는 ' .jar ' 파일)를 업로드합니다. 입력 파일 형식에 대한 자세한 내용은 ' ' Decision Optimization'에 대한 모델 입력 및 출력 데이터 파일 형식 '을 참조하세요.
  4. 사용 가능한 구성 크기 (소형 S, 중형 M, 대형 L, 초대형 XL) 에 대해 MODEL-ID, SPACE-ID하드웨어 스펙 을 사용하여 모델을 배치하십시오. 구성을 참조하세요. 사용할 노드 수를 지정할 수도 있습니다(기본값은 1).
    deployment-id를 얻습니다.
  5. DEPLOYMENT-ID를 사용하여 배치를 모니터하십시오. 배치 상태initializing, updating, ready또는 failed일 수 있습니다.

결과

배포에 작업을 제출하고 모니터링할 준비가 되었습니다. 자세한 내용은 Decision Optimization 일괄 배포 및 모델 실행을 참조하세요.

Decision Optimization 모델을 배포하고, 작업을 생성 및 모니터링하고, 솔루션을 얻는 방법의 예는 ' Deploying a DO model with WML 샘플을 참조하여 watsonx.ai 런타임 Python 클라이언트에서 확인하세요. 이 노트북Decision Optimization 모델에 대한 다이어트 샘플을 사용하며 Decision Optimization 실험 UI를 사용하지 않고 전체 프로시저를 안내합니다. 이 샘플과 ' RunDeployedModel ' 및 ' ExtendWMLSoftwareSpec 노트북은 DO-샘플의' jupyter ' 폴더에 있습니다. 관련 제품 및 버전 하위 폴더를 선택하십시오. 다운로드되면 이러한 Jupyter 노트북 을 프로젝트에 추가할 수 있습니다.

REST API 예시도 참조하세요.

일반적인 AI 검색 및 응답
이러한 응답은 제품 문서의 컨텐츠를 기반으로 하는 watsonx.ai 의 대형 언어 모델에 의해 생성됩니다. 자세히 알아보기