Puoi modificare l'ambiente predefinito per il tuo esperimento dalla scheda Panoramica . Ad esempio, è possibile modificare la versione Python o la versione CPLEX utilizzata per impostazione predefinita. Puoi anche creare un nuovo ambiente e aggiungerne altroPython librerie utilizzando un nuovo filePython estensione.
Prima di iniziare
- Autorizzazioni richieste
- Per visualizzare gli ambienti, puoi avere qualsiasi ruolo in uno spazio di distribuzione. Per modificare o creare ambienti, devi disporre del ruolo Editor o Admin nello spazio. Per ulteriori informazioni, vedi Ruoli e autorizzazioni del collaboratore dello spazio di distribuzione.
Informazioni su questa attività
Quando usi ilDecision Optimization sperimentare l'interfaccia utente , gli ambienti necessari vengono creati automaticamente. Tuttavia, potresti voler configurare il tuo ambiente per utilizzare una versione particolare diPython , hardware, CPLEX o utilizzoPython estensioni. È possibile configurare l'ambiente da utilizzare per la risoluzione, modificando l'ambiente predefinito. Questo ambiente viene quindi applicato a tutti gli scenari nel tuo sperimentare , quando si fa clic Correre .
L'ambiente dipende dal tuo tipo di modello: Python, OPL, CPLEX, CPO o Modeling Assistant. Python è utilizzato per eseguire i modelli Decision Optimization formulati in DOcplex negli esperimenti Decision Optimization e Jupyter Notebooks. I modelli Modeling Assistant utilizzano anche Python perché il codice DOcplex viene generato quando i modelli vengono eseguiti o distribuiti. I modelli formulati in OPL o in formati file specifici per CPLEX o CP Optimizer, come i formati LP o CPO, non utilizzano ambienti Python .
L'ambiente Decision Optimization attualmente supporta Python 3.11 e 3.10 (deprecato). La versione predefinita è Python 3.11.
Le versioni Python sono regolarmente aggiornate. Tuttavia, se è stata specificata esplicitamente una versione di Python precedente nel modello, è necessario aggiornare questa specifica di versione altrimenti il modello non funzionerà più. Puoi creare un nuovo ambiente Python o modificarne uno da Manage experiment environments.
L'aggiornamento dell'ambiente è utile anche se si desidera selezionare una versione diversa di CPLEX per l'ambiente predefinito. Poiché le prestazioni del motore CPLEX migliorano con ogni nuova versione, le versioni precedenti sono obsolete e rimosse nel tempo. I runtime, basati su questi motori, vengono utilizzati nella creazione e distribuzione di modelli Decision Optimization . Attualmente, il runtime do_22.1 , basato su CPLEX 22.1 viene utilizzato automaticamente quando si creano ed eseguono scenari. È disponibile anche il runtime do_20.1 basato su CPLEX 20.1 .
Questo video fornisce un metodo visivo per apprendere i concetti e le attività in questa documentazione.
Dopo aver caricato l'esempio nel tuo esperimento Decision Optimization , puoi seguire il video.
Disclaimer video: alcuni passi minori e passaggi grafici in questo video potrebbero differire dalla tua piattaforma. Anche l'interfaccia utente viene spesso migliorata.
La seguente procedura mostra come modificare l'ambiente predefinito per modelli DOcplex e Modeling Assistant . La modifica dell'ambiente predefinito può essere utile per verificare se il modello funziona con la versione più recente di CPLEX o per testare il modello con dataset più grandi che richiedono più hardware. Oppure è necessario aggiornare la versione di Python o includere alcune particolari librerie Python utilizzando le estensioni Python.
Procedura
Per modificare l'ambiente predefinito per modelli DOcplex e Modeling Assistant :
- Aprire la Panoramica, fare clic sull'icona Informazioni
per aprire il riquadro Informazioni e selezionare la scheda Ambienti . 
- Facoltativo: Per creare un nuovo ambiente:
- Seleziona un Nuovo ambiente per Python. Viene visualizzata una nuova finestra per definire il nuovo ambiente.
- Nella nuova finestra Configura estensione Python che si apre, è possibile impostare Codice YAML su Su e immettere o modificare il codice YAML fornito.Ad esempio, utilizzare il modello fornito per aggiungere le librerie personalizzate:
# 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==1.0È inoltre possibile fare clic su Sfoglia per aggiungere qualsiasi libreria Python .
Ad esempio, questa immagine mostra una libreria Python di programmazione dinamica importata e Codice YAML impostato su On.
Se necessario, modificare il codice YAML e fare clic su Salva.
Fare clic su Fine.
- Seleziona un Nuovo ambiente per Python.
- Facoltativo: selezionare Gestisci ambienti di esperimento per visualizzare un elenco dettagliato di tutti gli ambienti esistenti per l' esperimento nella scheda Ambienti .
È possibile utilizzare le opzioni fornite facendo clic sull'icona del menu
accanto a un ambiente. È possibile scegliere Modifica, Imposta come predefinito, Aggiorna nello spazio di distribuzione o Elimina l'ambiente. È anche possibile creare un Nuovo ambiente dalla finestra Gestisci ambienti di esperimento , ma la creazione di un nuovo ambiente da questa finestra non lo rende il valore predefinito a meno che non venga esplicitamente impostato come predefinito. - Fare clic sulla scheda EstensioniPython .
Qui puoi visualizzare le tue estensioni Python e vedere in quale ambiente viene utilizzata un'estensione. Puoi anche creare una Nuova estensione Python o utilizzare le opzioni per Modifica, Scaricae Elimina esistenti. È anche possibile fare clic sul Nome estensione per configurarlo. Se si modifica un'estensione Python utilizzata da un ambiente di esperimento, l'ambiente viene ricreato.
Puoi anche visualizzare i tuoi ambienti Python nei tuoi asset dello spazio di distribuzione e qualsiasi estensione Python che hai aggiunto viene visualizzata nella specifica del software.
Risultati
Esempio
Vedi l'esempio EnvironmentAndExtension nella cartella Model_Builder di DO - samples in Decision Optimization GitHub. Questo esempio utilizza un ambiente con un'estensione che contiene un file di libreria e codice YAML.