Zanim rozpoczniesz

1. Zapisz model w obszarze wdrażania.
2. Promuj lub dodaj plik wejściowy dla wdrożenia wsadowego do obszaru. Szczegółowe informacje na temat promowania zasobu w obszarze można znaleźć w sekcji Obszary wdrażania.

Obsługiwane środowiska

Wdrażanie wsadowe jest obsługiwane dla tych środowisk i typów zasobów:

• Decision Optimization
• PMML
• Funkcje Python
• PyTorch-Onnx
• Tensorflow
• Scikit-nauka
• Skrypty w języku Python
• Spark MLlib
• SPSS
• XGBoost

Uwagi:

• Wdrożenia wsadowe funkcji i modeli Python w oparciu o środowisko PMML mogą być wykonywane tylko programowo.
• Lista zadań wdrażania może zawierać dwa typy zadań: WML deployment job i WML batch deployment.
• Podczas tworzenia wdrożenia wsadowego (za pośrednictwem interfejsu użytkownika lub programowo) tworzone jest dodatkowe zadanie wdrożenia produktu default . Typ tego zadania to WML deployment job. To jest zadanie nadrzędne, które przechowuje wszystkie uruchomienia wdrożenia wygenerowane dla tego wdrożenia wsadowego, które zostały wyzwolone przez interfejs API Watson Machine Learning .
• Standardowe zadanie typu WML batch deployment jest tworzone tylko podczas tworzenia wdrożenia z poziomu interfejsu użytkownika. Nie jest możliwe utworzenie zadania typu WML batch deployment przy użyciu interfejsu API.
• Poniżej znajduje się lista ograniczeń produktu WML deployment job:
  • Nie można edytować
  • Nie można go usunąć, jeśli powiązane wdrożenie wsadowe nie zostało usunięte.
  • nie zezwala na planowanie
  • Nie zezwala na dostosowywanie powiadomień
  • nie pozwala na zmianę ustawień czasu przechowywania

Informacje o źródłach danych, które są używane do oceniania wdrożeń zadań wsadowych, można znaleźć w sekcji Źródła danych służące do oceniania wdrożeń zadań wsadowych. Aby uzyskać informacje na temat wymaganych danych wejściowych dla wdrożeń wsadowych oceniania, w zależności od typu modelu, należy zapoznać się z informacjami w sekcji Szczegóły danych wejściowych wdrożenia wsadowego według środowiska

Tworzenie wdrożenia wsadowego

Aby utworzyć wdrożenie wsadowe:

1. W obszarze wdrażania kliknij nazwę zapisanego modelu, który ma zostać wdrożony. Zostanie otwarta strona szczegółów modelu.
2. Kliknij opcję Nowe wdrożenie.
3. Jako typ wdrożenia wybierz opcję Zadanie wsadowe , a następnie wprowadź nazwę i opis wdrożenia.
4. Wybierz opcję specyfikacja sprzętu.
5. Kliknij makro Create. Gdy status zostanie zmieniony na Wdrożony, tworzenie wdrożenia jest zakończone.

Programowo tworzenie wdrożeń wsadowych

Refer to Przykłady i przykłady uczenia maszynowego for links to sample notebooks that demonstrate creating batch deployments that use the Watson Machine Learning Interfejs REST API and Watson Machine Learning Biblioteka klienta Python.

Wyświetlanie szczegółów wdrożenia

Aby wyświetlić szczegóły, należy kliknąć nazwę wdrożenia.

Użytkownik może wyświetlić szczegóły konfiguracji, takie jak specyfikacje sprzętu i oprogramowania. Można również uzyskać identyfikator wdrożenia, którego można użyć w wywołaniach interfejsu API z punktu końcowego. Szczegółowe informacje można znaleźć w sekcji Wyszukiwanie punktu końcowego wdrożenia.

Więcej inform.

• Informacje na temat tworzenia zadania wdrożenia wsadowego można znaleźć w sekcji Tworzenie zadań w obszarach wdrażania.
• Refer to Przykłady i przykłady produktu Machine Learning for links to sample notebooks that demonstrate creating batch deployments that use the Watson Machine Learning Interfejs REST API and Watson Machine Learning Biblioteka klienta Python.

Temat nadrzędny: Zarządzanie wdrożeniami predykcyjnymi