0 / 0
Go back to the English version of the documentation
Bir factsheet için ayrıntıları özelleştirme (AI Factsheets)
Last updated: 03 Kas 2023
Bir factsheet için ayrıntıları özelleştirme (AI Factsheets)

AI Factsheetsile model yaşam çevrimini izleyen olgu sayfasını geliştirmek için bir model kullanım senaryosu ya da modele ilişkin bilgileri programlı olarak özelleştirebilirsiniz. Örneğin, kullanım senaryolarını geliştirmek için dosyaları ve resimleri programlı olarak ekleyin. Yapay zeka Yönetişimi stratejinizin bir parçası olarak özelleştirilmiş gerçek sayfalarını kullanın.

Model ya da model kullanım senaryolarının programlı olarak güncellenmesi

Bir model kullanım senaryosunu ya da model bilgi sayfasını ek bilgilerle güncellemek isteyebilirsiniz. Örneğin, bazı şirketlerin bir model kullanım senaryosu ya da model olgulara eşlik etmek istedikleri standart bir ayrıntı kümesi vardır.

Şu anda varlığı güncellemek için Watson Data REST API kullanan kullanıcı özniteliklerini değiştirerek kiracı düzeyinde varlık tiplerini güncellemelisiniz.

Özel varlık tipini güncelleme

Özel bir varlık tipini güncellemek için aşağıdaki adımları izleyin:

  1. getcatalogtype yöntemiiçin bss_account_id sorgu parametresini sağlayın.

  2. model_entryiçin öznitelikleri güncelliyorsanız asset_type as model_entry_user belirtin. Model olguları için öznitelikleri güncelliyorsanız asset_type as modelfacts_user sağlayın.

  3. Geçerli varlık tipi tanımlamasını, asset_type ' un modelfacts_user ya da model_entry_userolduğu getcatalogtype yöntemini kullanarak alın.

  4. Geçerli varlık tipi tanımlamasını, API belgelerinde tanımlanan şemayı izleyerek özellikler JSON nesnesine ekleyerek özel özniteliklerle güncelleyin. Model kullanım senaryosu ya da modelinin kullanıcı arabiriminden görüntülemek ve düzenlemek için aşağıdaki öznitelik tipleri desteklenir:

    • dize
    • tarih
    • tamsayı
  5. JSON yeni özelliklerle güncellendikten sonra, replaceassettype yönteminikullanarak değişiklikleri başlatın. asset_type , bss_account_idve istek bilgi yükünü sağlayın.

Güncelleme tamamlandığında, model kullanım senaryosu ayrıntıları sayfasında ve model ayrıntıları sayfasında özel öznitelikleri görüntüleyebilirsiniz.

Örnek 1: model_entry_user varlık tipini alma ve güncelleme

Not:

Bu örnek, model kullanım senaryosu kullanıcı verilerini günceller. Model sayfa ayrıntılarını almak ve güncellemek için modelfacts_user yerine aynı biçimi kullanabilirsiniz.

Bu curl komutu model_entry_uservarlık tipini alır:

curl -X GET --header 'Accept: application/json' --header "Authorization: ZenApiKey ${MY_TOKEN}"  'https://api.dataplatform.cloud.ibm.com:443/v2/asset_types/model_entry_user?bss_account_id=<bss_account_id>'

Bu, model kullanım senaryosu kullanıcısı ayrıntıları için örnek bir yanıt bilgi yüküdür:

{
    "description": "The model use case to capture user defined attributes.",
    "fields": [],
    "relationships": [],
    "properties": {},
    "decorates": [{
        "asset_type_name": "model_entry"
    }],
    "global_search_searchable": [],
    "localized_metadata_attributes": {
        "name": {
            "default": "Additional details",
            "en": "Additional details"
        }
    },
    "attribute_only": false,
    "name": "model_entry_user",
    "version": 1,
    "scope": "ACCOUNT"
}

Bu curl komutu, model_entry_user varlık tipini günceller:

curl -X PUT --header 'Content-Type: application/json' --header 'Accept: application/json' --header "Authorization: ZenApiKey ${MY_TOKEN}"  -d '@requestbody.json' 'https://api.dataplatform.cloud.ibm.com:443/v2/asset_types/model_entry_user?bss_account_id=<bss_account_id>'

requestbody.json içeriği şöyle görünür:

{
    "description": "The model use case to capture user defined attributes.",
    "fields": [],
    "relationships": [],
    "properties": {
        "user_attribute1": {
            "type": "string",
            "description": "User attribute1",
            "placeholder": "User attribute1",
            "is_array": false,
            "required": true,
            "hidden": false,
            "readonly": false,
            "default_value": "None",
            "label": {
                "default": "User attribute1"
            }
        },
        "user_attribute2": {
            "type": "integer",
            "description": "User attribute2",
            "placeholder": "User attribute2",
            "is_array": false,
            "required": true,
            "hidden": false,
            "readonly": false,
            "label": {
                "default": "User attribute2"
            }
        },
        "user_attribute3": {
            "type": "date",
            "description": "User attribute3",
            "placeholder": "User attribute3",
            "is_array": false,
            "required": true,
            "hidden": false,
            "readonly": false,
            "default_value": "None",
            "label": {
                "default": "User attribute3"
            }
        
    }
    "decorates": [{
        "asset_type_name": "model_entry"
    }],
    "global_search_searchable": [],
    "attribute_only": false,
    "localized_metadata_attributes": {
        "name": {
            "default": "Additional details",
            "en": "Additional details"
        }
    }
}

Python istemcisini kullanarak kullanıcı ayrıntılarının güncellenmesi

Python komut dosyasını kullanarak da bir varlık tipini güncelleyebilir ve özelliklerle değiştirebilirsiniz. Ayrıntılar için bkz. olgu sayfası öğeleri açıklaması.

Varlık tipi tanımlamalarını özel özniteliklerle güncelledikten sonra, model kullanım senaryosu genel bakış ve model ayrıntıları sayfalarından bu öznitelikler için değer sağlayabilirsiniz. Bu Python API istemcisi yöntemlerini kullanarak değerleri özel özniteliklere güncelleyebilirsiniz:

Model için hücre olguları yakalama

Bir veri bilimcisi not defterinde bir model geliştirdiğinde, ROC eğrisi, karışıklık matrisi, panda profil oluşturma raporu veya herhangi bir hücre yürütmesinin çıktısı gibi temel model ayrıntıları için görselleştirmeler oluşturur. Bu olguları model kullanım senaryolarının bir parçası olarak yakalamak için, AI Factsheets Python istemci kitaplığında ' capture_cell_facts ` işlevini kullanın.

Özel alanlarda sorun giderme

Alanları özelleştirdikten ve kullanıcıların kullanımına sunduktan sonra, model ayrıntılarının Ek ayrıntılar bölümündeki alanları güncellemeye çalışan bir kullanıcı bu hatayı alabilir:

Update failed. To update an asset attribute, you must be a catalog Admin or an asset owner or member with the Editor role. Ask a catalog Admin to update your catalog role or ask an asset member with the Editor role to add you as a member.

Kullanıcı zaten modelde düzenleme iznine sahipse ve hata iletisini almaya devam ediyorsa, çözmek için bu adımları izleyin.

  1. createassetattributenewv2için API komutunu çağırın.

  2. Bu bilgi yükünü şu komutla birlikte kullanın:

    
    {
      "name": "modelfacts_system",
      "entity": {
      }
    }
    

    Burada asset_id , model_id' dir. Modelin bulunduğu yeri project_id ya da space_id ya da catalog_id girin.

Daha fazla bilgi

Daha fazla bilgi için bkz. özel varlık tipleri.

IBM_AIGOV_FACTS_CLIENT belgelerinikullanarak bir model dökümüyle programlı olarak çalışma hakkında bilgi alın.

Daha fazla bilgi

Üst konu: Model varlıklarının dökümünü yönetme.

Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more