0 / 0
Torna alla versione inglese della documentazione
Modifica della versione Python per un modello distribuito esistente con le API REST
Ultimo aggiornamento: 21 nov 2024
Decision Optimization REST API modifica la versione Python in modello distribuito

È possibile aggiornare un modello di Decision Optimization esistente utilizzando l'API REST diwatsonx.ai Runtime. Questo può essere utile, ad esempio, se nel tuo modello hai esplicitamente specificato una versione Python che ora è diventata obsoleta.

Prima di iniziare

Avrai bisogno del tuo SPACE - ID, MODEL - ID e DEPLOYMENT - ID per effettuare questa modifica. Consultare Esempio di API REST per ulteriori dettagli.

Informazioni su questa attività

I passaggi seguenti mostrano come aggiornare un modello di Decision Optimization esistente utilizzando l'API REST diwatsonx.ai Runtime. L'esempio REST API utilizza curl, uno strumento di riga di comando e libreria per il trasferimento dei dati con la sintassi URL. Puoi scaricare curl e leggere ulteriori informazioni all'indirizzo http://curl.haxx.se.

Per gli utenti Windows , utilizzare ^ invece di \ per il separatore multi - line e virgolette doppie " in tutti questi esempi di codice. Gli utenti di Windows devono inoltre utilizzare l'indentazione di almeno uno spazio di carattere nelle righe di intestazione.

Per chiarezza, alcuni esempi di codice in questa procedura sono stati inseriti in un file json per rendere i comandi più leggibili e più facili da utilizzare.

Procedura

Per cambiare la versione di Python per un modello distribuito esistente:

  1. Creare un revisione al tuo modello Decision Optimization

    Tutte le richieste API richiedono un parametro di versione che prenda una data nel formato version=YYYY-MM-DD. Questo esempio di codice carica un modello che utilizza il file update_model.json. L'URL varierà in base alla regione / località scelta per il tuo servizio di machine learning.

    curl --location --request POST \
      "https://us-south.ml.cloud.ibm.com/ml/v4/models/MODEL-ID-HERE/revisions?version=2021-12-01" \
      -H "Authorization: bearer TOKEN-HERE" \
      -H "Content-Type: application/json" \
      -d @revise_model.json
    Il file revise_model.json contiene il codice seguente:
    {
      "commit_message": "Save current model",
      "space_id": "SPACE-ID-HERE"
    }
    Notare il numero di revisione del modello "rev" che viene fornito nell'output per l'utilizzo nel passo successivo.
  2. Aggiorna una distribuzione esistente in modo che i lavori correnti non saranno impattati:
    curl --location --request PATCH \
      "https://us-south.ml.cloud.ibm.com/ml/v4/deployments/DEPLOYMENT-ID-HERE?version=2021-12-01&space_id=SPACE-ID-HERE" \
      -H "Authorization: bearer TOKEN-HERE" \
      -H "Content-Type: application/json" \
      -d @revise_deploy.json
    Il file revise_deploy.json contiene il codice seguente:
    [
      {
      "op": "add",
      "path": "/asset",
      "value": {
        "id":"MODEL-ID-HERE",
        "rev":"MODEL-REVISION-NUMBER-HERE"
       }
      }
    ]
  3. Patch di un modello esistente per specificare esplicitamente la versione di Python 3.11
    curl --location --request PATCH \
      "https://us-south.ml.cloud.ibm.com/ml/v4/models/MODEL-ID-HERE?rev=MODEL-REVISION-NUMBER-HERE&version=2021-12-01&space_id=SPACE-ID-HERE" \
      -H "Authorization: bearer TOKEN-HERE" \
      -H "Content-Type: application/json" \
      -d @update_model.json
    Il file update_model.json , con la versionePython predefinita indicata esplicitamente, contiene il codice seguente:
    [
     {
     "op": "add",
     "path": "/custom",
     "value": {
       "decision_optimization":{
          "oaas.docplex.python": "3.11"
         }
       }
     }
    ]
    In alternativa, per rimuovere qualsiasi menzione esplicita di una versione Python in modo che la versione predefinita verrà sempre utilizzata:
    [
     {
     "op": "remove",
     "path": "/custom/decision_optimization"
     }
    ]
  4. Patchare la distribuzione per usare il modello creato per Python per usare la versione 3.11
    curl --location --request PATCH \
      "https://us-south.ml.cloud.ibm.com/ml/v4/deployments/DEPLOYMENT-ID-HERE?version=2021-12-01&space_id=SPACE-ID-HERE" \
      -H "Authorization: bearer TOKEN-HERE" \
      -H "Content-Type: application/json" \
      -d @update_deploy.json
    Il file update_deploy.json contiene il codice seguente:
    [
     {
       "op": "add",
       "path": "/asset",
       "value": { "id":"MODEL-ID-HERE"}
     }
    ]

Risultati

È possibile pubblicare nuovi lavori utilizzando il DEPLOYMENT - ID senza dover ridistribuire il proprio modello.

Ricerca e risposta AI generativa
Queste risposte sono generate da un modello di lingua di grandi dimensioni in watsonx.ai basato sul contenuto della documentazione del prodotto. Ulteriori informazioni