È possibile creare distribuzioni online per i flussi di SPSS Modeler che utilizzano più flussi di input per fornire dati al modello.
Panoramica dei processi
Quando si utilizzano più flussi di input per creare un flusso SPSS Modeler, è possibile creare un deployment online per il modello.
Il grafico seguente mostra un flusso di SPSS Modeler che utilizza due flussi di input. Il flusso elabora i dati e crea un modello di apprendimento automatico. È possibile salvare questo modello e creare una distribuzione online. Dopo aver distribuito il modello, è possibile utilizzare l'endpoint per lo scoring con le applicazioni.
Attività per la distribuzione di flussi SPSS Modeler multi-sorgente
È possibile creare e distribuire un flusso SPSS Modeler multi-sorgente dall'interfaccia utente o dall'API REST watsonx.ai
Creazione e distribuzione di modelli dall'interfaccia utente
Seguite questi passaggi per creare e distribuire un flusso SPSS Modeler multi-fonte dall'interfaccia utente:
- Creare un flusso SPSS Modeler : È possibile creare un modello multisorgente nel progetto creando un flusso SPSS Modeler.
- Promuovere la risorsa del modello : dopo aver creato il modello, promuovere la risorsa del modello dal progetto allo spazio di distribuzione.
- Distribuire il modello : Creare un'installazione online per utilizzare l'endpoint per il punteggio.
- Testare il modello distribuito : Punteggio rispetto al modello implementato.
Creazione e distribuzione di modelli da API REST
Seguite questi passaggi per creare e distribuire un flusso SPSS Modeler multi-source dall'API REST di watsonx.ai
- Creare un modello : È possibile creare un modello multi-fonte fornendo uno schema.
- Caricare il contenuto del modello : Dopo aver creato il modello, è necessario caricare il contenuto del modello in un asset respository in watsonx.ai Runtime.
- Distribuire il modello : Creare un'installazione online per utilizzare l'endpoint per il punteggio.
- Testare il modello distribuito : Punteggio rispetto al modello implementato.
Creazione e distribuzione di modelli multi-sorgente dall'interfaccia utente
Seguite questi passaggi per creare modelli multi-fonte in SPSS Modeler e distribuire i modelli dall'interfaccia utente.
Compito 1: Creare un modello multi-sorgente in SPSS Modeler
È possibile creare un modello multi-fonte creando un flusso SPSS Modeler. Per ulteriori informazioni, vedere Creazione di flussi SPSS Modeler.
Compito 2: Promuovere l'asset del modello
Per distribuire la modalità, è necessario promuovere l'asset del modello creato con SPSS Modeler nello spazio di distribuzione. Per ulteriori informazioni, vedere Promozione delle risorse in uno spazio di distribuzione.
Compito 3: Distribuzione di modelli multi-fonte
Seguite questi passaggi per creare un'installazione online per un modello di apprendimento automatico creato con più fonti di input in SPSS Modeler :
Prerequisiti
È necessario impostare le credenziali del task per la distribuzione dei servizi AI. Per ulteriori informazioni, vedere Gestione delle credenziali delle attività.
Dal vostro spazio di distribuzione, andate alla scheda Assets.
Per il modello di apprendimento automatico, fare clic sull'icona Menu e selezionare Deploy.
Selezionare Online come tipo di distribuzione.
Immettere un nome per l'installazione client e, facoltativamente, un nome di servizio, una descrizione e dei tag.
Fare clic su Crea.
Compito 4: testare il modello implementato
È possibile assegnare un punteggio al modello distribuito fornendo input in formato testo o JSON.
Seguite questi passaggi per assegnare un punteggio al vostro modello distribuito:
- Nello spazio di distribuzione o nel progetto, aprire la scheda Deployments e fare clic sul nome dell'installazione client.
- Fare clic sulla scheda Test per immettere un testo di richiesta e ottenere una risposta dall'asset distribuito.
- Immettere i dati del test in formato testo o JSON per generare l'output.
Creazione e distribuzione di flussi SPSS Modeler multi-fonte con API REST
Seguite questi passaggi per creare modelli multi-fonte in SPSS Modeler e distribuire i modelli dall'API REST di watsonx.ai
Compito 1: Creare un modello multi-fonte con SPSS Modeler
È possibile creare un modello con più fonti di input utilizzando SPSS Modeler.
Requisiti per lo schema del modello in formato JSON
Quando si crea uno schema di modello a più ingressi in formato JSON, lo schema deve soddisfare i seguenti requisiti:
| Componente | Descrizione |
|---|---|
| Struttura | Ogni oggetto deve contenere id, fields e values. |
| ID | Deve essere una stringa. |
| Campi | Deve essere un array di stringhe. |
| Valori | Deve essere un array di array. |
| Voci di valore | Ogni elemento di values deve essere un array. |
Il codice seguente mostra come creare un modello con schema:
curl -H "Authorization: Bearer <TOKEN>" \
-H "content-type: application/json" \
--request POST '<HOSTURL>/ml/v4/models?version=2020-06-12' \
--data-raw '{
"name": "spss-multi-source-user-input-table-output",
"space_id": "<SPACE ID>",
"description": "This is my first resource.",
"software_spec": {
"id": "687eddc9-028a-4117-b9dd-e57b36f1efa5",
"name": "spss-modeler_18.2"
},
"type": "spss-modeler_18.2",
"schemas": {
"input": [{
"fields": [{
"metadata": {
},
"name": "customerID",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "gender",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "SeniorCitizen",
"nullable": true,
"type": "integer"
}, {
"metadata": {
},
"name": "Partner",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "Dependents",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "tenure",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "PhoneService",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "MultipleLines",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "InternetService",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "OnlineSecurity",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "OnlineBackup",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "DeviceProtection",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "TechSupport",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "StreamingTV",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "StreamingMovies",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "Contract",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "PaperlessBilling",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "PaymentMethod",
"nullable": true,
"type": "string"
}],
"id": "id5B2XR2L3LS6",
"name": "uinode1",
"type": "struct"
}, {
"fields": [{
"metadata": {
},
"name": "MonthlyCharges",
"nullable": true,
"type": "double"
}, {
"metadata": {
},
"name": "TotalCharges",
"nullable": true,
"type": "double"
}, {
"metadata": {
},
"name": "Churn",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "SampleWeight",
"nullable": true,
"type": "double"
}],
"id": "id3YXBN73TTS",
"name": "uinode2",
"type": "struct"
}],
"output": [{
"fields": [{
"metadata": {
},
"name": "Churn",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "customerID",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "Predicted Churn",
"nullable": true,
"type": "string"
}, {
"metadata": {
},
"name": "Probability of Churn",
"nullable": true,
"type": "double"
}],
"id": "id6BPTTYFV44A",
"name": "Output data",
"type": "struct"
}]
}
}'
Compito 2: caricare il contenuto del modello
È necessario caricare il contenuto del modello per creare un asset del repository in watsonx.ai Runtime.
Il codice seguente mostra come caricare il contenuto del modello per creare una risorsa modello:
curl -vk -X PUT "<HOSTURL>/ml/v4/models/<MODELID OBTAINED FROM STEP1 RESPONSE>/content?version=2020-08-08&content_format=native&space_id=<SPACEID>" -H "Authorization: Bearer <TOKEN>" --data-binary @/PATH/WHERE/ZIP/IS/AVAILABLE/exsistingmultipleuserinputtableoutput.zip
Attività 3: Distribuzione del modello
È possibile utilizzare l'endpoint /ml/v4/deployments per creare una distribuzione online per il modello a più ingressi creato con SPSS Modeler flow.
Prerequisiti
È necessario disporre di una chiave API IBM Cloud esistente o generare una nuova chiave API.
Il seguente esempio di codice mostra come creare un modello online a più ingressi con l'API REST di watsonx.ai :
curl --request POST \
--url '<HOST>/ml/v4/deployments?version=2023-03-10' \
--header 'Authorization: Bearer <TOKEN>' \
--header 'Content-Type: application/json' \
--data '{
"asset": {
"id": "<MODEL ID FROM FIRST STEP>"
},
"description": "Multi Source Online Deployment",
"name": "spss_multi_source_online_deployment",
"space_id": "<SPACE ID>",
"online": {
"parameters": {
"serving_name": "spssmultisource"
}
}
}'
Compito 4: testare il modello implementato
Si può valutare il modello distribuito inserendo i dati di input in formato JSON che corrispondono allo schema del modello.
Il seguente esempio di codice mostra come passare i dati di input in formato JSON e utilizzare l'API REST per assegnare un punteggio al modello distribuito:
curl -H "Authorization: Bearer <TOKEN>" \
-H "content-type: application/json" \
--request POST '<HOST>/ml/v4/deployments/<DEPLOYMENT_ID RECEIVED FROM STEP 3>/predictions?version=2020-06-12' \
--data-raw '{
"input_data": [
{
"id": "uinode1",
"fields": ["customerID","gender","SeniorCitizen","Partner","Dependents","tenure","PhoneService","MultipleLines","InternetService","OnlineSecurity","OnlineBackup","DeviceProtection","TechSupport","StreamingTV","StreamingMovies","Contract","PaperlessBilling","PaymentMethod"],
"values":[["3638-WEABW","Female",0,"Yes","No","58","Yes","Yes","DSL","No","Yes","No","Yes","No","No","Two year","Yes","Credit card (automatic)"]]
},
{
"id": "uinode2",
"fields": ["MonthlyCharges","TotalCharges","Churn","SampleWeight"],
"values":[[59.9,3505.1,"No",2.768]]
}
]
}'
Output
{"predictions": {"fields":["Churn","customerID","Predicted Churn","Probability of Churn"],"values":[["No","3638-WEABW","No",0.0526309571556145]]} ]}