Translation not up to date
Za pomocą AI Factsheets można dodać przypadek użycia modelu dla modelu, który był wytrenowany poza produktem Watson Studio , do spisu zasobów modelu, aby można było śledzić szczegóły cyklu życia modelu.
Obsługa zarządzania zapewniana przez AI Factsheets umożliwia zarządzanie cyklem życia modeli zewnętrznych w następujący sposób:
- Dodaj wdrożenia do istniejących modeli zewnętrznych.
- Przenieś model ze środowiska do innego środowiska w widoku śledzenia cyklu życia przypadku użycia modelu.
- Przenieś wdrożenie z jednego środowiska do innego, używając interfejsu API klienta Python i interfejsu API REST.
- Podaj dodatkowe metadane modelu i informacje o danych uczących, gdy model zewnętrzny jest zapisywany w katalogu za pośrednictwem interfejsu API Python i interfejsu API REST.
Przygotowanie do śledzenia modeli zewnętrznych
Modele zewnętrzne mogą być dowolnego typu, który jest obsługiwany na potrzeby oceny przez usługę Watson OpenScale . Więcej informacji na ten temat zawiera sekcja Obsługiwane mechanizmy, środowiska i modele uczenia maszynowego. Ponadto modele utworzone w notebookach są traktowane jako modele zewnętrzne, dlatego można używać AI Factsheets do zarządzania modelami, które są projektowane, wdrażane i monitorowane na platformach innych niż Cloud Pak for Data.
Te punkty stanowią przegląd procesu zachowywania faktów dla modelu zewnętrznego.
- Użytkownik z dostępem administratora do katalogu Watson Knowledge Catalog musi najpierw skonfigurować Platform assets catalog na potrzeby rejestrowania modeli zewnętrznych, a następnie włączyć śledzenie modeli zewnętrznych w spisie zasobów modelu.
- Administrator katalogu dostępu do platformy może nadać użytkownikom uprawnienia właściciela do zewnętrznych zasobów modelu dodanych z systemu Watson OpenScale.
- Za pomocą interfejsu API w notatniku modelu można zapisać zasób modelu zewnętrznego w katalogu.
- Powiąż zasób modelu zewnętrznego z przypadkiem użycia modelu w magazynie modelu, aby rozpocząć zachowywanie faktów. Wraz z metadanymi modelu nowe pola
External model identifieriExternal deployment identifieropisują sposób identyfikowania modeli i wdrożeń w systemach zewnętrznych, na przykład: AWS lub Azure. - W celu zdefiniowania zewnętrznego zasobu modelu można ocenić wdrożenia modelu dostawcy innej firmy w OpenScale . Katalog docelowy jest ustanawiany zgodnie z następującymi regułami:
- Model zewnętrzny jest tworzony w Platform assets catalog , jeśli odpowiedni model czasu projektowania już istnieje w Platform assets catalog lub jeśli w żadnym katalogu nie utworzono modelu czasu projektowania.
- Jeśli odpowiedni model czasu projektowania zostanie utworzony w katalogu (innym niż Platform assets catalog) za pomocą klienta Python , model zostanie utworzony w tym katalogu.
Szczegółowe informacje można znaleźć w następujących sekcjach:
Wiązanie zasobu modelu zewnętrznego z przypadkiem użycia modelu
Funkcja automatycznego śledzenia modeli zewnętrznych dodaje wszystkie modele zewnętrzne, które są wartościowane w produkcie Watson OpenScale , do katalogu, w którym istnieje model czasu projektowania. Gdy model znajduje się w katalogu, można go zarejestrować w spisie zasobów modelu. Zasób modelu zewnętrznego można powiązać z przypadkiem użycia modelu w magazynie modelu w następujący sposób:
- Za pomocą interfejsu API można zapisać zasób modelu zewnętrznego w dowolnym katalogu programowo z poziomu notatnika. Zasób modelu zewnętrznego można następnie powiązać z przypadkiem użycia modelu.
- Powiąż model zewnętrzny, który jest tworzony z oceną Watson OpenScale , z przypadkiem użycia modelu.
Tworzenie zewnętrznego zasobu modelu za pomocą interfejsu API
- Utwórz model w notatniku.
- Zapisz model. Na przykład można zapisać w zasobniku S3 .
- Za pomocą interfejsu API można utworzyć zasób modelu zewnętrznego (reprezentację modelu zewnętrznego) w katalogu. Więcej informacji na temat komend interfejsu API, które współdziałają ze spisem zasobów modelu, zawiera dokumentacja IBM_AIGOV_FACTS_CLIENT.
Rejestrowanie zasobu modelu zewnętrznego w spisie zasobów modelu
- Otwórz kartę Zasoby w katalogu, w którym chcesz śledzić model.
- Wybierz zasób modelu zewnętrznego, który ma być śledzona.
- Wróć do karty Zasoby w katalogu i kliknij opcję Śledź ten model.
- Wybierz istniejący przypadek użycia modelu lub utwórz nowy.
- Zakończ przypadek użycia ze szczegółami przypadku użycia modelu i zapisz szczegóły w magazynie.
Rejestrowanie modelu zewnętrznego w systemie Watson OpenScale
W przypadku sprawdzania poprawności modelu zewnętrznego w systemie Watson OpenScalemożna powiązać model zewnętrzny z przypadkiem użycia w celu śledzenia faktów cyklu życia.
- Dodaj model zewnętrzny do panelu kontrolnego OpenScale .
- Jeśli przypadek użycia modelu został już zdefiniowany za pomocą interfejsu API, system rozpoznaje powiązanie przypadku użycia.
- Podczas tworzenia i monitorowania wdrożenia fakty są rejestrowane w powiązanym przypadku użycia. Te fakty są wyświetlane na etapie sprawdzania poprawności lub działania, w zależności od tego, w jaki sposób sklasyfikowano dostawcę uczenia maszynowego dla modelu.
Zapełnianie przypadku użycia modelu
Po zapisaniu faktów dla zasobu modelu zewnętrznego są one powiązane z filarem reprezentującym fazę cyklu życia w następujący sposób:
- Jeśli zasób modelu zewnętrznego jest tworzony na podstawie notatnika bez wdrożenia, jest on wyświetlany w filarze tworzenia.
- Jeśli zasób modelu zewnętrznego jest tworzony na podstawie notatnika z wdrożeniem, jest on wyświetlany w filarze testu.
- Jeśli wdrożenie modelu zewnętrznego jest wartościowane w skali OpenScale, jest ono wyświetlane na etapie sprawdzania poprawności lub działania, w zależności od tego, w jaki sposób sklasyfikowano dostawcę uczenia maszynowego dla modelu.
Przykład: śledzenie modelu Sagemaker
Ten przykładowy model, utworzony w narzędziu Sagemaker, jest zarejestrowany do śledzenia i przenoszenia w fazach Test, Validate i Operate.
Wyświetlanie faktów dla modelu zewnętrznego
Wyświetlanie faktów dla modelu zewnętrznego różni się nieco od wyświetlania faktów dla modelu Watson Machine Learning . Zastosowanie mają następujące zasady:
- Kliknij kartę Zasoby katalogu zawierającego zasoby modelu zewnętrznego, aby wyświetlić fakty.
- W przeciwieństwie do przypadków użycia modelu Watson Machine Learning , które mają różne arkusze faktów dla modeli i wdrożeń, arkusze faktów dla modeli zewnętrznych łączą informacje dla modelu i wdrożeń na tej samej stronie.
- W katalogu można utworzyć wiele zasobów o takiej samej nazwie. Aby odróżnić znaczniki development(programowanie), pre-production i production są przypisywane automatycznie w celu odzwierciedlenia ich stanu.
Więcej inform.
Temat nadrzędny: Zarządzanie spisem zasobów modelu.