Hardwarespezifikationen für Implementierungen erstellen

Sie können Hardwarespezifikationen für Ihre Implementierungen wie folgt erstellen:

• Python -Clientbibliothek: Verwenden Sie die Funktion hardware_specifications.store aus der Clientbibliothek Python . Weitere Informationen finden Sie unter Python Client Library Reference .
• Data and AI Common Core API: Verwenden Sie " POST /v2/hardware_specifications aus der Umgebungsliste in der Data and AI Common Core API, um eine Hardwarespezifikation zu erstellen. Weitere Informationen finden Sie unter Environments API Reference.

Implementierungstypen, die Hardwarespezifikationen erfordern

Die Auswahl einer Hardwarespezifikation ist für alle Batchbereitstellungstypen verfügbar. Für Onlinebereitstellungenkönnen Sie eine bestimmte Hardwarespezifikation auswählen, wenn Sie die Bereitstellung durchführen:

• Python-Funktionen
• Tensorflow -Modelle
• Modelle mit angepassten Softwarespezifikationen

Verfügbare Hardwarekonfigurationen für die Implementierung von Assets

• XS: 1x4 = 1 vCPU und 4 GB RAM
• S: 2x8 = 2 vCPU und 8 GB RAM
• M: 4x16 = 4 vCPU und 16 GB RAM
• L: 8x32 = 8 vCPU und 32 GB RAM
• XL: 16x64 = 16 vCPU und 64 GB RAM

Sie können die XS -Konfiguration verwenden, um Folgendes zu implementieren:

• Python-Funktionen
• Python-Scripts
• R-Scripts
• Modelle auf der Basis angepasster Bibliotheken und angepasster Images

Für Decision Optimization -Implementierungen können Sie die folgenden Hardwarespezifikationen verwenden:

• S
• M
• L
• XL

Hardwarespezifikationen für GPU-Inferenzen

Ab Cloud Pak for Data Version 4.8.5 können Sie GPU-Hardware-Spezifikationen für CUDA-Software-Spezifikationen von der Benutzeroberfläche auf der " x86 auswählen, wenn Sie eine Bereitstellung erstellen.

Verwenden Sie die folgenden vordefinierten Hardwarespezifikationen für GPU-Inferenzen:

Weitere Informationen

• Kontoressourcennutzung überwachen

Übergeordnetes Thema: Vorhersagebereitstellungen verwalten