Bir Decision Optimization modelini konuşlandırmak için, konuşlandırma alanınızda konuşlandırılmaya hazır bir model oluşturun ve daha sonra, modelinizi arşiv olarak karşıya yükleyin. Konuşlandırıldığında, işleri modelinize sunabilir ve iş durumlarını izleyebilirsiniz.
Başlamadan önce
Bir IBM Cloud hesabınız olmalıdır. Bkz. https://www.ibm.com/cloud/.
- IBM Cloud' da oturum açın.
- API anahtarınızıoluşturun. Bunu API anahtarı başarıyla oluşturuldu açık penceresinden kopyalayın ya da karşıdan yükleyin (bu pencereyi kapattığınızda bu pencereye yeniden erişemezsiniz).
- Bir Machine Learning hizmetioluşturun ya da seçin. hizmet eşgörünümü adı, GUIDve CRN ' yi IBM Cloudüzerindeki Kaynak Listesi>Hizmetleri görünümündeki eşgörünümünüze ilişkin bilgi bölmesinden kopyalayın. ( Kaynak Listesi penceresinde hizmet listesini genişletin. Machine Learning Hizmet adınızın yanındaki satırda herhangi bir yeri tıklatın, ancak adın kendisini tıklatın. Daha sonra bilgi bölmesi aynı pencerede açılır.)
- Bir Cloud Object Storageoluşturun ya da seçin. Cloud Object Storage eşgörünüm adını ve CRN ' yi IBM Cloudüzerindeki Resource List>Storage (Kaynak Listesi) görünümündeki eşgörünümünüze ilişkin bilgi bölmesinden kopyalayın.
- Kullanıcı arabiriminden bir konuşlandırma alanıoluşturun. Daha sonra bunu görüntüleyin ve Alan Kimliğinizi ayarlar sekmesinden kopyalayın. Daha fazla bilgi için bkz. Konuşlandırma alanları.
Bu görev hakkında
Bu yönergelerde, Decision Optimization modelinizi önceden oluşturmuşunuz varsayılmıştır.
Yordam
Bir Decision Optimization modelini devreye almak için:
- Decision Optimization model formülasyonunuzu ortak verilerinizle (isteğe bağlı) bir
tar.gz, .zipya da .jar dosyası olarak devreye alınmaya hazır olarak paketleyin. Arşiviniz aşağıdaki isteğe bağlı dosyaları içerebilir:
- Model dosyalarınız
- Ayarlar (Ek bilgi için Parametrelerin çözülmesi konusuna bakın)
- Ortak veriler
Not: Birden çok .py dosyası olan Python modelleri için tüm dosyaları arşivinizde aynı klasöre koyun. Aynı klasör main.pyadlı bir ana dosya içermelidir. Alt klasörleri kullanmayın.
- Aşağıdaki bilgileri sağlayarak Watson Machine Learning içinde devreye alınmaya hazır bir model oluşturun:
- Machine Learning hizmet eşgörünümü
- Konuşlandırma alanı eşgörünümü
- Yazılım belirtimi (Decision Optimization çalıştırma zamanı sürümü):
- do_22.1 çalıştırma zamanı CPLEX 22.1
- do_20.1 çalıştırma zamanı CPLEX 20.1
Watson Machine Learningtarafından sağlanan yazılım belirtimini genişletebilirsiniz. DO-samplesiçindeki jupyter klasöründeki ExtendWMLSoftwareSpec not defterine bakın.
CPLEX çalıştırma zamanları güncelleniyor
Önemli:Modelinizi artık desteklenmeyen bir CPLEX çalıştırma zamanıyla önceden konuşlandırdıysanız, REST API ya da UIkullanarak var olan devreye alınan modelinizi güncelleyebilirsiniz.
- Model tipi:
- opl (do-opl_ <çalıştırma zamanı sürümü>)
- cplex (do-cplex_ <çalıştırma zamanı sürümü>)
- cpo (do-cpo_ <çalıştırma zamanı sürümü>)
- docplex (do-docplex_ <runtime version>) using Python 3.10
( Çalıştırma zamanı sürümü kullanılabilir yürütme ortamlarından biri olabilir; örneğin, 22.1 yürütme ortamı olan bir opl modeli do-opl_22.1model tipine sahip olur.)
Bir MODEL-TANıTıCıSıedinebilirsiniz. Watson Machine Learning modeliniz daha sonra bir ya da birden çok devreye alımda kullanılabilir.
- Watson Machine Learningüzerindeki model arşivinizi (
tar.gz, .zipya da .jar dosyası) yükleyin. Giriş dosyası tipleriyle ilgili bilgi için Model giriş ve çıkış veri dosyası biçimleri başlıklı konuya bakın.
- Kullanılabilir yapılandırma boyutları (küçük S, orta M, büyük L, ekstra büyük XL) için MODEL-ID, SPACE-IDve donanım belirtimini kullanarak modelinizi devreye alın. Bkz. yapılandırmalar.
Bir DEPLOYMENT-ID(DEPLOYMENT-ID) elde edin.
- DEPLOYMENT-ID(Konuşlandırma Tanıtıcısı) öğesini kullanarak konuşlandırmayı izleyin. Konuşlandırma durumları :
initializing, updating, readyya da failed.
- İşleri dağıtımınıza gönderin.
Bir JOB-IDelde edebilirsiniz.
- İşlerinizi JOB-ID kullanarak izleyin.
Örnek
Bir Decision Optimization modelinin nasıl devreye alınacağına, işlerin nasıl oluşturulacağına ve izleneceğine ve Watson Machine Learning Python Client kullanılarak nasıl çözümler alınacağına ilişkin bir örnek için Deploying a DO model with WML örneğine bakın. Bu not defteri , Decision Optimization modeli için diyet örneğini kullanır ve Decision Optimization deneme kullanıcı arabiriminikullanmadan tüm yordamı gerçekleştirmeniz için size yol sağlar. Bu örnek ve RunDeployedModel ve ExtendWMLSoftwareSpec not defterleri , DO-samplesiçindeki jupyter klasöründe bulunur. İlgili ürün ve sürüm alt klasörünü seçin. Karşıdan yüklendiğinde, bu Jupyter not defterlerini projenize ekleyebilirsiniz.
REST API örneği örneğine de bakın.