0 / 0
Zurück zur englischen Version der Dokumentation
Speichern von Szenarios für die Bereitstellung über ein Decision Optimization Experiment
Letzte Aktualisierung: 21. Nov. 2024
Szenarios für die Implementierung aus einem Decision Optimization -Experiment speichern

Nachdem Sie Ihr Modell in Ihrem Decision Optimization Experimenterstellt und gelöst haben, können Sie das Modell bereitstellen. Sie können Modell und Daten in einem Szenario für die Implementierung speichern. Die Datentypen, die in der Ansicht Daten vorbereiten festgelegt sind, und wenn Sie Ausführungskonfigurationsparameter für dieses Szenario festlegen, werden diese Parameter auch in der Implementierung gespeichert.

Vorgehensweise

So speichern Sie Ihr Modell für die Implementierung:

  1. Klicken Sie in Decision Optimization Benutzerschnittstelle für Experimentein der Szenario oder im Teilfenster Übersicht auf das Menüsymbol Symbol für Szenariomenü für das Szenario, das Sie implementieren möchten, und wählen Sie Für Implementierung speichern aus.
  2. Geben Sie einen Namen für Ihr Modell an und fügen Sie bei Bedarf eine Beschreibung hinzu. Klicken Sie anschließend auf Weiter.
    1. Überprüfen Sie die Eingabe und das Ausgabeschema und wählen Sie die Tabellen aus, die in das Schema eingeschlossen werden sollen.
    2. Prüfen Sie die Ausführungsparameter und fügen Sie nach Bedarf Parameter hinzu, ändern oder löschen Sie sie.
    3. Überprüfen Sie die Dateien Environment und Model , die im Fenster Review and save aufgelistet sind.
      In diesem Fenster werden alle Umgebungen angezeigt, die Sie für die Ausführung Ihres Modells angegeben haben. Diese Umgebung wird dann verwendet, wenn Sie Ihr Modell in watsonx.ai Runtime einsetzen (sowohl wenn Sie Ihr Modell für den Einsatz speichern als auch wenn Sie es in Ihren Einsatzbereich verschieben).
    4. Klicken Sie auf Speichern.

Ergebnisse

Das Modell ist dann im Abschnitt Modelle Ihres Projekts verfügbar, aus dem Sie es in einen Bereitstellungsbereich hochstufen können.

Generative KI-Suche und -Antwort
Diese Antworten werden von einem großen Sprachmodell in watsonx.ai basierend auf dem Inhalt der Produktdokumentation generiert. Weitere Informationen