Translation not up to date
W celu poprawnego wdrożenia konieczne jest skonfigurowanie miejsca wdrożenia, a następnie wybranie i skonfigurowanie konkretnego typu wdrożenia. Po wdrożeniu zasobów aplikacyjnych można je zarządzać i aktualizować, aby upewnić się, że działają poprawnie i monitorują ich dokładność.
Aby możliwe było wdrażanie zasobów z obszaru, należy udostępnić instancję usługi Machine Learning i powiązać ją z tym obszarem. Informacje na ten temat można znaleźć w sekcji Tworzenie powiązania instancji usługi z obszarem.
Wdrożenia w trybie z połączeniem i w trybie wsadowym umożliwiają proste tworzenie punktów końcowych oceniania w trybie z połączeniem lub punktacji w trybie wsadowym z modelami.
Jeśli chcesz zaimplementować logikę niestandardową:
- Tworzenie funkcji Python , która ma być używana do tworzenia punktu końcowego online
- Napisz notatnik lub skrypt, aby wykonać ocenę wsadową
Należy zwrócić uwagę, że jeśli zostanie utworzony notatnik lub skrypt w celu przeprowadzenia oceny wsadowej, taki zasób zostanie uruchomiony jako zadanie platformy, a nie jako wdrożenie wsadowe.
Zasoby możliwe do wdrożenia
Poniżej znajduje się lista zasobów aplikacyjnych, które można wdrożyć w obszarze Watson Machine Learning , wraz z informacjami o odpowiednich typach wdrożenia:
| Typ zasobu aplikacyjnego | Wdrażanie wsadowe | Wdrożenie online |
|---|---|---|
| Funkcje | Tak | Tak |
| Modele | Tak | Tak |
| Skrypty | Tak | Nie |
Aplikacja R Shiny jest jedynym typem zasobu obsługiwanym dla wdrożeń aplikacji WWW.
Uwagi:
- Zadanie wdrożenia to sposób na uruchomienie wdrożenia wsadowego lub samodzielny zasób aplikacyjny, taki jak przepływ w usłudze Watson Machine Learning. Dla zadania można wybrać wejście i wyjście, a następnie uruchomić je ręcznie lub zgodnie z harmonogramem. Szczegółowe informacje na ten temat można znaleźć w sekcji Tworzenie zadania wdrażania.
- Notebooki i przepływy korzystają ze środowisk notebooków. Można je uruchamiać w obszarze wdrażania, ale nie można ich wdrażać.
Więcej informacji na ten temat można znaleźć w następujących celach:
- Tworzenie wdrożeń w trybie z połączeniem
- Tworzenie wdrożeń wsadowych
- Wdrażanie funkcji Python
- Wdrażanie skryptów
Po wdrożeniu zasobów aplikacyjnych można je zarządzać i aktualizować, aby upewnić się, że działają poprawnie i monitorują ich dokładność. Poniżej przedstawiono kilka sposobów zarządzania lub aktualizowania wdrożenia:
Zarządzanie zadaniami wdrażania. Po utworzeniu jednego lub większej liczby zadań można wyświetlać je i zarządzać nimi na karcie Zadania w obszarze wdrażania.
Aktualizowanie wdrożenia. Na przykład można zastąpić model wersją o wersji betterowej bez konieczności tworzenia nowego wdrożenia.
Skalowanie wdrożenia w celu zwiększenia dostępności i przepustowości poprzez utworzenie replik wdrożenia.
Usuń wdrożenie , aby usunąć wdrożenie i zwolnić zasoby.
Więcej inform.
Temat nadrzędny: Wdrażanie modeli i zarządzanie nimi