Puede cambiar el entorno predeterminado para el experimento desde el separador Visión general . Por ejemplo, puede cambiar la versión de Python o la versión de CPLEX que se utiliza de forma predeterminada. También puedes crear un nuevo entorno y agregar más.Python bibliotecas mediante el uso de un nuevoPython extensión.
Antes de empezar
- Permisos necesarios
- Para ver entornos, puede tener cualquier rol en un espacio de despliegue. Para editar o crear entornos, debe tener el rol Editor o Admin en el espacio. Para obtener más información, consulte Permisos y roles de colaborador de espacio de despliegue.
Acerca de esta tarea
Cuando usas elDecision Optimization interfaz de usuario del experimento , los entornos necesarios se crean automáticamente. Sin embargo, es posible que desee configurar su entorno para utilizar una versión particular dePython , hardware, CPLEX o usoPython extensiones. Puede configurar el entorno que se utilizará para la resolución, cambiando el entorno predeterminado. Este entorno se aplica luego a todos los escenarios de su experimento , al hacer clic Correr .
El entorno depende del tipo de modelo: Python, OPL, CPLEX, CPO o Modeling Assistant. Python se utiliza para ejecutar modelos de Decision Optimization formulados en DOcplex en experimentos de Decision Optimization y Jupyter Notebooks. Los modelos de Modeling Assistant también utilizan Python porque el código DOcplex se genera cuando se ejecutan o despliegan los modelos. Los modelos formulados en OPL o en formatos de archivo específicos para CPLEX o CP Optimizer, como los formatos LP o CPO, no utilizan entornos Python .
El entorno Decision Optimization admite actualmente Python 3.11 y 3.10 (obsoletos). La versión por defecto es Python 3.11.
Las versiones de Python se actualizan regularmente. Sin embargo, si ha especificado explícitamente una versión de Python anterior en el modelo, debe actualizar esta especificación de versión o el modelo ya no funcionará. Puede crear un nuevo entorno Python o editar uno desde Gestionar entornos de experimento.
La actualización del entorno también es útil si desea seleccionar una versión diferente de CPLEX para el entorno predeterminado. A medida que el rendimiento del motor CPLEX mejora con cada nueva versión, las versiones anteriores quedan en desuso y se eliminan a lo largo del tiempo. Los tiempos de ejecución, basados en estos motores, se utilizan en la creación y el despliegue de modelos de Decision Optimization . Actualmente, el tiempo de ejecución de do_22.1 , basado en CPLEX 22.1 se utiliza automáticamente al crear y ejecutar escenarios. El tiempo de ejecución de do_20.1 basado en CPLEX 20.1 también está disponible.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
Después de cargar el ejemplo en el experimentode Decision Optimization , puede seguir el vídeo.
Declaración de limitación de responsabilidad de vídeo: algunos pasos menores y gráficos de este vídeo pueden diferir de su plataforma. La interfaz de usuario también se mejora con frecuencia.
El procedimiento siguiente muestra cómo cambiar el entorno predeterminado para los modelos DOcplex y Modeling Assistant . Cambiar el entorno predeterminado puede ser útil para comprobar si el modelo funciona con la versión más reciente de CPLEX, o para probar el modelo con conjuntos de datos más grandes que requieren más hardware. O quizás necesite actualizar la versión de Python o desee incluir algunas bibliotecas de Python específicas utilizando Python extensions.
Procedimiento
Para cambiar el entorno predeterminado para los modelos DOcplex y Modeling Assistant :
- Abra la Visión general, pulse el icono de información
para abrir el panel Información y seleccione la pestaña Entornos . 
- Opcional: Para crear un entorno nuevo:
- Seleccione un Nuevo entorno para Python. Se abre una ventana nueva para que defina el nuevo entorno.
- En la nueva ventana Configurar extensión Python que se abre, puede establecer Código YAML en Activado y especificar o editar el código YAML proporcionado.Por ejemplo, utilice la plantilla proporcionada para añadir las bibliotecas personalizadas:
# Modify the following content to add a software customization to an environment. # To remove an existing customization, delete the entire content and click Apply. # Add conda channels on a new line after defaults, indented by two spaces and a hyphen. channels: - defaults # To add packages through conda or pip, remove the comment on the following line. # dependencies: # Add conda packages here, indented by two spaces and a hyphen. # Remove the comment on the following line and replace sample package name with your package name: # - a_conda_package=1.0 # Add pip packages here, indented by four spaces and a hyphen. # Remove the comments on the following lines and replace sample package name with your package name. # - pip: # - a_pip_package==1.0También puede pulsar Examinar para añadir cualquier biblioteca Python .
Por ejemplo, esta imagen muestra una biblioteca Python de programación dinámica que se importa y el código YAML se establece en Activado.
Si es necesario, modifique el código YAML y pulse Guardar.
Pulse Hecho.
- Seleccione un Nuevo entorno para Python.
- Opcional: Seleccione Gestionar entornos de experimento para ver una lista detallada de todos los entornos existentes para experimento en el separador Entornos .
Puede utilizar las opciones que se proporcionan pulsando el icono de menú
situado junto a un entorno. Puede elegir Editar, Establecer como valor predeterminado, Actualizar en espacio de despliegue o Suprimir el entorno. También puede crear un Nuevo entorno desde la ventana Gestionar entornos de experimento , pero la creación de un nuevo entorno desde esta ventana no lo convierte en el valor predeterminado a menos que se establezca explícitamente como el valor predeterminado. - Pulse la pestaña ExtensionesPython .
Aquí puede ver las extensiones de Python y ver en qué entorno se utiliza una extensión. También puede crear una nueva extensión Python o utilizar las opciones para Editar, Descargary Suprimir las existentes. También puede pulsar el nombre de extensión para configurarlo. Si edita una extensión Python que utiliza un entorno de experimento, el entorno se vuelve a crear.
También puede ver los entornos Python en los activos de espacio de despliegue y las extensiones Python que haya añadido aparecerán en la especificación de software.
Resultados
Ejemplo
Consulte el ejemplo EnvironmentAndExtension en la carpeta Model_Builder de DO-samples en Decision Optimization GitHub. Este ejemplo utiliza un entorno con una extensión que contiene un archivo de biblioteca y código YAML.