Translation not up to date
Funkcje Python można wdrożyć w programie Watson Machine Learning w taki sam sposób, w jaki można wdrażać modele. Narzędzia i aplikacje mogą używać klienta Watson Machine Learning Python lub interfejsu API usług REST do wysyłania danych do wdrożonych funkcji w taki sam sposób, w jaki wysyłają one dane do wdrożonych modeli. Wdrażanie funkcji daje możliwość ukrywania szczegółów (takich jak referencje), wstępnego przetwarzania danych przed przekazaniem jej do modeli, obsługi błędów i dołączania wywołań do wielu modeli, a wszystko to w ramach wdrożonej funkcji, a nie w aplikacji.
Przykładowe notatniki służące do tworzenia i wdrażania funkcji Python
Przykłady tworzenia i wdrażania funkcji produktu Python przy użyciu Watson Machine Learning Biblioteka klienta Pythonmożna znaleźć w następujących podręcznikach:
| Przykładowa nazwa | Środowisko | Zaprezentowane techniki |
|---|---|---|
| Użyj funkcji Python , aby rozpoznać ręcznie zapisane cyfry | Python | Użyj funkcji do przechowywania przykładowego modelu, a następnie wdróż go |
| Prognozowanie działalności gospodarczej dla samochodów | Hybrydowe (Tensorflow) | Skonfiguruj definicję AI Przygotuj dane Utwórz model Keras przy użyciu opcji Tensorflow Wdróż i oceniaj model Definiowanie, zapisywanie i wdrażanie funkcji Python |
| Wdróż funkcję Python dla specyfikacji oprogramowania | Kanał podstawowy | Tworzenie funkcji Python Tworzenie usługi Web Service Ocena modelu |
Zeszyty demonstrują sześć kroków tworzenia i wdrażania funkcji:
- Zdefiniuj funkcję.
- Uwierzytelnij i zdefiniuj obszar.
- Zapisz funkcję w repozytorium.
- Pobierz specyfikację oprogramowania.
- Wdróż składowaną funkcję.
- Wyślij dane do funkcji w celu przetworzenia.
Odsyłacze do innych podręczników przykładowych, które korzystają z Watson Machine Learning Biblioteka klienta Python, można znaleźć w sekcji Korzystanie z programu Watson Machine Learning w notatniku.
Zwiększanie skalowalności dla funkcji
W przypadku wdrażania funkcji z obszaru wdrażania lub programowego, domyślnie wdrażana jest pojedyncza kopia funkcji. Aby zwiększyć skalowalność, można zwiększyć liczbę replik, edytując konfigurację wdrożenia. Dodatkowe repliki pozwalają na zwiększenie liczby żądań oceniania.
W poniższym przykładzie użyto interfejsu API klienta Python w celu ustawienia liczby replik na 3.
change_meta = {
client.deployments.ConfigurationMetaNames.HARDWARE_SPEC: {
"name":"S",
"num_nodes":3}
}
client.deployments.update(<deployment_id>, change_meta)
Więcej inform.
- Informacje na temat definiowania funkcji Python do wdrożenia można znaleźć w sekcji Ogólne wymagania dla funkcji wdrażalnych w sekcji Zapisywanie i zapisywanie wdrażalnych funkcji Python.
- Istnieje możliwość wdrożenia funkcji z obszaru wdrażania za pomocą interfejsu użytkownika. Szczegółowe informacje na temat tworzenia i wdrażania z obszaru wdrażania można znaleźć w sekcji Obszary wdrażania.
Temat nadrzędny: Zarządzanie wdrożeniami predykcyjnymi