Translation not up to date
Funkce Python můžete implementovat do produktu Watson Machine Learning stejným způsobem, jakým lze implementovat modely. Vaše nástroje a aplikace mohou použít klienta Watson Machine Learning Python nebo rozhraní REST API k odesílání dat do implementovaných funkcí stejným způsobem, jakým odesílají data implementovaným modelům. Implementace funkcí vám umožňuje skrýt podrobnosti (jako např. pověření), předzpracovat data předtím, než je předáte k modelům, zpracovávat chyby a zahrnout volání do více modelů, všechny v rámci implementované funkce namísto ve vaší aplikaci.
Ukázkové zápisníky pro vytváření a implementaci funkcí Python
Příklady toho, jak vytvářet a implementovat funkce Python pomocí funkce Watson Machine Learning knihovny klientaPython, naleznete v těchto ukázkových noteboocích:
| Vzorový název | Rámec | Techniky prokázáno |
|---|---|---|
| Použijte funkci Python k rozpoznání rukou psaných číslic | Python | Použijte funkci k uložení ukázkového modelu a poté jej implementujte. |
| Předpovídat obchodní činnost pro automobily | Hybridní hybrid (Tensorflow) | Nastavení definice AI Připravit data Vytvořit model Keras s použitím implementace Tensorflow a sestavit model Definovat, uložit a implementovat funkci Python . |
| Nasadit funkci Python pro specifikaci softwaru | Jádro | Vytvoření funkce Python Vytvoření webové služby Skóre modelu |
Notebooky demonstrují šest kroků pro vytvoření a implementaci funkce:
- Definujte funkci.
- Ověřte a definujte prostor.
- Uložte funkci do úložiště.
- Získejte specifikaci softwaru.
- Implementujte uloženou funkci.
- Odesílat data do funkce ke zpracování.
Odkazy na jiné ukázkové poznámky, které používají knihovnu klienta Watson Machine Learning Python, najdete v tématu Použití produktu Watson Machine Learning v notebooku.
Zvýšení rozšiřitelnosti pro funkci
Implementujete-li určitou funkci z prostoru implementace nebo z programu, bude standardně implementována jedna kopie funkce. Chcete-li zvýšit rozšiřitelnost, můžete zvýšit počet replik úpravou konfigurace implementace. Další repliky umožňují větší objem požadavků na přidělení skóre.
Následující příklad používá rozhraní API klienta Python k nastavení počtu replik na 3.
change_meta = {
client.deployments.ConfigurationMetaNames.HARDWARE_SPEC: {
"name":"S",
"num_nodes":3}
}
client.deployments.update(<deployment_id>, change_meta)
Další informace
- Informace o definování implementovatelné funkce Python naleznete v sekci Obecné požadavky na implementovatelné funkce v tématu Zápis a uložení implementovatelných funkcí Python.
- Funkce můžete implementovat z prostoru implementace přes uživatelské rozhraní. Podrobnosti o vytváření a implementaci z prostoru implementace najdete v tématu Prostory implementace.
Nadřízené téma: Správa prediktivních implementací