从 UI 更新软件规范

1. 在部署空间中，单击模型 (确保它没有任何活动部署。)
2. 单击 i 符号以检查模型详细信息。
3. 使用下拉列表来更新软件规范。

请参阅示例图像:

使用 API 更新软件规范

您可以使用 API 补丁命令来更新软件规范:

对于 software_spec 字段，输入 /software_spec。 对于 value 字段，请使用新软件规范的标识或名称。

请参阅以下示例:

curl -X PATCH '<deployment endpoint url>/ml/v4/models/6f01d512-fe0f-41cd-9a52-1e200c525c84?space_id=f2ddb8ce-7b10-4846-9ab0-62454a449802&project_id=<project_id>&version=<YYYY-MM-DD>' \n--data-raw '[
   {
      "op":"replace",
      "path":"/software_spec",
      "value":{
         "id":"6f01d512-fe0f-41cd-9a52-1e200c525c84"   // or "name":"tensorflow_rt22.1-py3.9"
      }
   }
]'

有关更多信息，请参阅 使用补丁 API 命令更新资产。

选项 1：使用兼容的框架保存该模型

1. 使用watsonx.aiRuntimeData and AI Common Core API或watsonx.ai Python客户端库下载模型。

   以下示例显示了如何下载模型:

   client.repository.download(<model-id>, filename="xyz.tar.gz")
   

2. 使用当前发行版中支持的模型类型和版本编辑模型元数据。 有关更多信息，请参阅 部署的软件规范和硬件规范。

   以下示例显示如何编辑模型元数据:

   model_metadata = {
      client.repository.ModelMetaNames.NAME: "example model",
      client.repository.ModelMetaNames.DESCRIPTION: "example description",
      client.repository.ModelMetaNames.TYPE: "<new model type>",
      client.repository.ModelMetaNames.SOFTWARE_SPEC_UID:
      client.software_specifications.get_uid_by_name("<new software specification name>")
   }
   

3. 将模型保存到watsonx.aiRuntime 资源库。 以下示例显示如何将模型保存到存储库:

   model_details = client.repository.store_model(model="xyz.tar.gz", meta_props=model_metadata)
   

4. 部署该模型。

5. 对该模型进行评分以生成预测。

如果部署或评分失败，那么模型与用于保存模型的新版本不兼容。 在这种情况下，请使用 选项 2。

选项 2：使用兼容的框架重新训练该模型

1. 使用当前版本中支持的模型类型和版本重新训练模型。
2. 使用受支持的模型类型和版本来保存模型。
3. 部署该模型，并进行评分。

还可以使用 API 更新模型。 有关更多信息，请参阅 使用补丁 API 命令更新资产。

选项 1: 使用兼容的运行时或软件规范保存 Python 函数

1. 使用 "watsonx.aiRuntime "REST API或 "watsonx.ai"Python客户图书馆下载 "Python函数。
2. 使用受支持的运行时或软件规范版本保存 Python 函数。 有关更多信息，请参阅 部署的软件规范和硬件规范。
3. 部署该 Python 函数。
4. 对该 Python 函数进行评分以生成预测。

如果 Python 函数在评分期间失败，那么该函数与用于保存 Python 函数的新运行时或软件规范版本不兼容。 在这种情况下，请使用 选项 2。

选项 2：修改函数代码并使用兼容的运行时或软件规范进行保存

1. 修改 Python 函数代码，使其与新的运行时或软件规范版本兼容。 在某些情况下，必须更新安装在 Python 函数代码中的从属库。
2. 使用新的运行时或软件规范版本保存 Python 函数。
3. 部署该 Python 函数，并进行评分。

还可以使用 API 来更新函数。 有关更多信息，请参阅 使用补丁 API 命令更新资产。