Puede inferir y ajustar modelos base en IBM watsonx.ai mediante programación utilizando la biblioteca Python .
Véase La biblioteca watsonx Python.
Se ha cambiado el nombre de los siguientes componentes de watsonx.ai. Algunos cuadernos Python pueden seguir utilizando sus nombres originales.
- Watson Machine Learning ' se llama ahora watsonx.ai Runtime
- Watson Studio ' se llama ahora watsonx.ai Studio
También puede trabajar con modelos de base de watsonx.ai de herramientas de terceros, incluyendo:
Aprenda de los cuadernos de ejemplo disponibles
Hay disponibles cuadernos de muestra que puede utilizar como guía para crear sus propios cuadernos y realizar tareas habituales, como inferir o ajustar un foundation model.
Para encontrar los cuadernos disponibles, busque el Centro de recursos. Puede añadir cuadernos que abra desde el concentrador de recursos al proyecto y, a continuación, ejecutarlos.
También puede acceder a los cuadernos desde el repositorio Python cuadernos de ejemplo GitHub .
Utilización de la biblioteca Python desde el IDE
La biblioteca ibm-watsonx-ai Python está disponible en PyPI desde el URL: https://pypi.org/project/ibm-watsonx-ai/.
Puede instalar la biblioteca ibm-watsonx-ai Python en el entorno de desarrollo integrado utilizando el mandato siguiente:
pip install ibm-watsonx-ai
Si ya tiene la biblioteca instalada, incluya el parámetro -U para seleccionar las actualizaciones y trabajar con la versión más reciente de la biblioteca.
pip install -U ibm-watsonx-ai
Trabajar con LangChain desde un cuaderno
LangChain es una infraestructura que los desarrolladores pueden utilizar para crear aplicaciones que incorporen modelos de lenguaje grandes. LangChain puede ser útil cuando desea enlazar dos o más funciones. Por ejemplo, puede utilizar LangChain como parte de una tarea de generación aumentada de recuperación (RAG).
Para más información, consulte LLMs > IBM watsonx.ai
Utilice uno de los cuadernos RAG de ejemplo que aprovecha LangChain para obtener más información. Consulte Ejemplos de RAG.
Desde el cuaderno Utilizar agentes watsonx.ai y LangChain para realizar secuencias de acciones, puedes utilizar agentes para realizar una secuencia de acciones basadas en respuestas foundation model.
Cómo trabajar con funciones LlamaIndex desde un cuaderno
LlamaIndex es una infraestructura para crear aplicaciones de modelo de lenguaje de gran tamaño. Puede aprovechar las funciones disponibles en LlamaIndex, como las capacidades text-to-SQL o Pandas DataFrames en las aplicaciones que cree con los modelos de base de watsonx.ai.
Para obtener más información, consulte LLM > IBM watsonx.ai.
Puede trabajar con funciones LlamaIndex desde un cuaderno en watsonx.ai.
Por ejemplo, utilice el cuaderno Utilizar watsonxy LlamaIndex para la tarea de texto a SQL para convertir consultas de lenguaje natural en consultas SQL.
Requisitos previos
Para empezar a utilizar la biblioteca Python , primero necesita credenciales y un ID de proyecto o un ID de despliegue. Para obtener más información, consulte los siguientes temas:
Más información
- Obtener información sobre foundation model
- Inferencia de un foundation model
- Inferencia de un foundation model mediante una plantilla de instrucciones
- Ajuste de un foundation model
- Conversión de texto en incorporaciones de texto
Tema principal: Codificación de soluciones generativas de IA