Desteklenen çerçeveler

Bu çerçeve çalışmaları için çevrimiçi devreye alma desteklenir:

• PMML
• Python işlevi
• PyTorch-Onnx
• Tensorflow
• Scikit-Learn
• Spark MLlib
• SPSS
• XGBoost

Çevrimiçi bir konuşlandırma yaratmak için kullanıcı arabiriminden ya da programsal olarakbir konuşlandırma yaratabilirsiniz.

Çevrimiçi olarak konuşlandırılan bir varlığa bilgi yükü verileri göndermek için (örneğin, verileri sınıflandırmak ya da verilerden bir öngörü yapmak için), konuşlandırmanın uç noktasını bilmeniz gerekir. Ayrıntılar için Konuşlandırma uç noktasının alınmasıbaşlıklı konuya bakın.

Buna ek olarak şunları yapabilirsiniz:

• Çevrimiçi konuşlandırmanızı test edin
• Devreye alma ayrıntılarına erişin

Kullanıcı Arabirimi 'nden çevrimiçi konuşlandırma yaratılması

1. Konuşlandırma alanından, konuşlandırmak istediğiniz varlığın adını tıklatın. Ayrıntılar sayfası açılır.
2. Konuşlandırma yaratöğesini tıklatın.
3. Konuşlandırma tipi olarak Çevrimiçi seçeneğini belirleyin.
4. Devreye alma için bir ad ve açıklama sağlayın.
5. Konuşlandırma tanıtıcısı yerine kullanılacak bir ad belirtmek istiyorsanız, Sunucu adı alanını kullanın.
   • Ad, IBM bulut bölgesi başına benzersiz olacak şekilde doğrulanır (belirli bir bölgedeki tüm adlar genel bir ad alanını paylaşır).
   • Ad yalnızca şu karakterleri içermelidir: [a-z,0-9, _] ve en çok 36 karakter uzunluğunda olmalıdır.
   • Hizmet adı, öngörü URL adresinin bir parçası olarak işlev görmektedir. Diğer durumlarda, konuşlandırma tanıtıcısını kullanmaya devam etmeniz gerekir.
6. İsteğe bağlı: Dağıtayorsanız, belirli bir donanım belirtimini seçebilirsiniz:
   • Python İşlevleri
   • Tensorflow modelleri
   • Özel yazılım belirtimleriolan modeller
7. Konuşlandırmayı yaratmak için Yarat düğmesini tıklatın.

Çevrimiçi konuşlandırma programlı olarak yaratılması

Örnek defterlere bağlantılar için Makine öğrenme örnekleri ve örnekleri başlıklı konuya bakın. Bu dizüstü bilgisayarlar, Watson Machine Learning REST API 'si ve Watson Machine Learning Python istemci kitaplığı' yı kullanan çevrimiçi devreye alımlar oluşturulmasını gösterir.

Çevrimiçi konuşlandırma uç noktası alınıyor

Bir konuşlandırmanın uç noktası URL 'sini şu şekilde bulabilirsiniz:

• Alanınızın Konuşlandırmalar sekmesinden, konuşlandırma adınızı tıklatın. Konuşlandırma ayrıntılarını içeren bir sayfa açılır. Orada uç noktayı bulabilirsiniz.
• Watson Machine Learning Python istemcisi kullanılarak:
  1. List the deployments by calling the Python istemci yöntemi client.deployments.list()
  2. Konuşlandırmanızı içeren satırı bulun. Devreye alma uç noktası URL 'si, url sütununda listelenir.

Notlar:

• Devreye almaya Sunucu adı eklediyseniz, ekranda iki alternatif uç nokta URL 'si gösterilir; biri devreye alma kimliğini ve diğeri de hizmet adınızı içerir. Bu URL ' lerden birini konuşlandırmanızı kullanarak kullanabilirsiniz.
• API Başvurusu sekmesi ayrıca, dağıtıma nasıl erişileceğini gösteren çeşitli programlama dillerindeki kod parçacıklarını da gösterir.

Uç noktalarla ilgili daha fazla bilgi için Uç Noktası URL Adreslerikonusuna bakın.

Çevrimiçi konuşlandırmanızı test etme

Alanınızın Konuşlandırmalar sekmesinden, konuşlandırma adınızı tıklatın. Konuşlandırma ayrıntılarını içeren bir sayfa açılır. Test etiketi, veri girebileceğiniz ve konuşlandırılan modelden bir öngörü elde edebildiğiniz bir yer sağlar. Modelinizde tanımlı bir şema varsa, ekranda bir form gösterilir. Formda şu yollardan birini girebilirsiniz:-Doğrudan forma veri girin-Bir CSV şablonunu karşıdan yükleyin, değerleri girin ve giriş verilerini karşıya yükleyin-Giriş verilerini yerel dosya sisteminizden ya da alandan oluşan giriş verilerini içeren bir dosyayı karşıya yükleyin ve JSON sekmesine giriş verilerinizi JSON kodu olarak girin ve yöntemden bağımsız olarak, giriş verilerinin modelin şemasıyla eşleşmesi gerekir. Giriş verilerini gönderin ve bir puan ya da öngörü elde edin, geri dönün.

{"input_data":[{
        "fields": [<field1>, <field2>, ...],
        "values": [[<value1>, <value2>, ...]]
}]}

{"input_data":[{
        "fields": ["PassengerId","Pclass","Name","Sex","Age","SibSp","Parch","Ticket","Fare","Cabin","Embarked"],
        "values": [[1,3,"Braund, Mr. Owen Harris",0,22,1,0,"A/5 21171",7.25,null,"S"]]
}]}

model_details = client.repository.get_details("<model_id>")  # retrieves details and includes schema
columns_in_schema = []
for i in range(0, len(model_details['entity']['schemas']['input'][0].get('fields'))):
    columns_in_schema.append(model_details['entity']['schemas']['input'][0].get('fields')[i]['name'])

X = X[columns_in_schema] # where X is a pandas dataframe that contains values to be scored
#(...)
scoring_values = X.values.tolist()
array_of_input_fields = X.columns.tolist()
payload_scoring = {"input_data": [{"fields": [array_of_input_fields],"values": scoring_values}]}

Çevrimiçi devreye alma ayrıntılarına erişilmesi

Çevrimiçi devreye alma ayrıntılarınıza erişmek için: Yerinizin Konuşlandırmalar sekmesinden, konuşlandırma adınızı ve ardından Konuşlandırma Ayrıntıları sekmesini tıklatın. Devreye alma ayrıntıları sekmesi, şu anda açık olan çevrimiçi devreye alma ile ilgili belirli bilgileri içerir ve etkinlik izleme ve model karşılaştırmasını etkinleştirmek için model envanterine model eklenmesine olanak tanır.

Ek bilgiler

Devreye alma işlerinin yönetilmesine ve çevrimiçi bir devreye almanın güncellenmesine, ölçeklendirilmesine ya da silinmesine ilişkin ayrıntılı bilgi için Devreye alma alanlarındaki varlıklar başlıklı konuya bakın.

Üst konu: Tahmine dayalı konuşlandırmaların yönetilmesi