Si aucun des environnements par défaut fournis par watsonx.ai Studio ne correspond à vos besoins, vous pouvez créer des modèles d'environnement personnalisés.
- Autorisations requises
- Pour créer un modèle d'environnement, vous devez avoir le rôle d'administrateur ou d'éditeur dans le projet.
Vous pouvez créer des modèles d'environnement pour les actifs suivants :
- studio watsonx.ai
- Blocs-notes dans l'éditeur de bloc-notes
- Blocs-notes dans RStudio
- Flux Modeler dans SPSS Modeler
- Flux Data Refinery
- Travaux qui exécutent des actifs opérationnels, comme des flux Data Refinery ou des blocs-notes dans un projet
- DataStage
- Flux DataStage
Si vous souhaitez que des packages supplémentaires soient installés automatiquement dans votre modèle d'environnement (personnalisation de logiciel), vous pouvez le configurer après la création du modèle d'environnement personnalisé. Pour plus de détails, voir Ajout de personnalisations.
Pour créer un modèle d'environnement :
- Dans l'onglet Gérer de votre projet, sélectionnez la page Environnements et cliquez sur Nouveau modèle sous Modèles.
- Entrez un nom et une description.
- Sélectionnez l'un des types de moteur suivants :
- Par défaut: Sélectionne les environnements d'exécution Python, R et RStudio pour watsonx.ai Studio.
- Spark: Sélectionnez Spark avec Python ou R pour watsonx.ai Studio.
- GPU: Sélectionner pour plus de puissance de calcul afin d'améliorer les performances d'apprentissage du modèle pour watsonx.ai Studio.
- DataStage : Sélectionnez l'intégration de données avec le moteur d'exécution parallèle pour DataStage.
- Sélectionnez la configuration matérielle dans le menu déroulant dynamique de configuration matérielle.
- Sélectionnez la version du logiciel si vous avez sélectionné " Par défaut ", " Spark " ou " GPU ".
- Si vous avez sélectionné "DataStage" pour le type d'exécution, définissez l'emplacement :
- IBM si l'environnement d'exécution se trouve sous IBM Cloud.
- AWS pour un environnement d'exécution distant sur AWS.
Où trouver votre modèle d'environnement personnalisé
Votre nouveau modèle d'environnement est répertorié sous Modèles sur la page Environnements de l'onglet Gérer de votre projet. A partir de cette page, vous pouvez:
- Vérifier quels environnements d'exécution sont actifs
- Mettre à jour les modèles d'environnement personnalisés
- Suivez le nombre d'unités de capacité par heure que vos environnements d'exécution ont consommées jusqu'à présent
- Arrêtez les environnements d'exécution actifs.
Limitations
Les environnements par défaut fournis par watsonx.ai Studio ne peuvent pas être édités ou modifiés.
- Environnements de bloc-notes (distributions Anaconda Python ou R) :
- Vous ne pouvez pas ajouter une personnalisation logicielle aux modèles d'environnement Python et R par défaut inclus dans watsonx.ai Studio. Vous pouvez uniquement ajouter une personnalisation à un modèle d'environnement que vous créez.
- Si vous ajoutez une personnalisation logicielle à l'aide de conda, votre environnement doit disposer d'au moins 2 Go de mémoire RAM.
- Vous ne pouvez pas personnaliser un environnement R pour un bloc-notes en installant des packages R directement à partir de CRAN ou de GitHub. Vous pouvez vérifier si le package CRAN que vous souhaitez n'est disponible que sur les canaux Conda et, si le package est disponible, ajoutez ce nom de package dans la liste de personnalisation sous la forme
r-<package-name>.
- Vous ne pouvez pas personnaliser un environnement R pour un bloc-notes en installant des packages R directement à partir de CRAN ou de GitHub. Vous pouvez vérifier si le package CRAN que vous souhaitez n'est disponible que sur les canaux Conda et, si le package est disponible, ajoutez ce nom de package dans la liste de personnalisation sous la forme
- Une fois que vous avez démarré un notebook dans un environnement watsonx.ai Studio, vous ne pouvez pas créer un autre environnement conda à partir de ce notebook et l'utiliser. les environnements watsonx.ai Studio ne se comportent pas comme un gestionnaire d'environnement Conda.
- Environnements Spark :
- Vous ne pouvez pas personnaliser la configuration logicielle d'un modèle d'environnement Spark.
Etapes suivantes
En savoir plus
Rubrique parent : Gestion des ressources de traitement