Gestione di framework o specifiche software obsoleti

Aggiornamento delle specifiche software dall'interfaccia utente

Copy link to section

1. Dallo spazio di distribuzione, fare clic sul modello (assicurarsi che non abbia alcuna distribuzione attiva.)
2. Fare clic sul simbolo i per verificare i dettagli del modello.
3. Utilizzare l'elenco a discesa per aggiornare la specifica software.

Fare riferimento all'immagine di esempio:

Aggiornamento delle specifiche software utilizzando l'API

Copy link to section

È possibile aggiornare una specifica software utilizzando il comando Patch API:

Per il campo software_spec , immettere /software_spec. Per il campo value , utilizzare l'ID o il nome della nuova specifica software.

Fare riferimento a questo esempio:

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"
      }
   }
]'
Copy to clipboardCopiato negli appunti

Per ulteriori informazioni, vedi Aggiornamento di un asset utilizzando il comando Patch API.

Opzione 1: salvare il modello con un framework compatibile

Copy link to section

1. Scaricare il modello utilizzando il Runtime 'watsonx.ai 'Dati e IA API Common Core o 'watsonx.ai ' libreria client Python .

   Il seguente esempio mostra come scaricare un modello:

   client.repository.download(<model-id>, filename="xyz.tar.gz")
   Copy to clipboardCopiato negli appunti

2. Modificare i metadati del modello con la versione e il tipo di modello supportati nella release corrente. Per ulteriori informazioni, consultare Specifiche software e specifiche hardware per le distribuzioni.

   Il seguente esempio mostra come modificare i metadati del modello:

   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>")
   }
   Copy to clipboardCopiato negli appunti

3. Salvare il modello nel repository watsonx.ai Runtime. Il seguente esempio mostra come salvare il modello nel repository:

   model_details = client.repository.store_model(model="xyz.tar.gz", meta_props=model_metadata)
   Copy to clipboardCopiato negli appunti

4. Distribuire il modello.

5. Calcolare il punteggio del modello per generare previsioni.

Se la distribuzione o il calcolo del punteggio non riesce, il modello non sarà compatibile con la nuova versione utilizzata per salvare il modello. In questo caso, utilizzare Opzione 2.

Opzione 2: ritentare il modello con un framework compatibile

Copy link to section

1. Riaddestra il modello con un tipo di modello e una versione supportati nella versione corrente.
2. Salvare il modello con il tipo di modello e la versione supportati.
3. Distribuire e calcolare il punteggio del modello.

È anche possibile aggiornare un modello utilizzando l'API. Per ulteriori informazioni, vedi Aggiornamento di un asset utilizzando il comando Patch API.

Opzione 1: salvare la funzione Python con una specifica di runtime o software compatibile

Copy link to section

1. Scaricare la funzione Python utilizzando l'API REST di watsonx.ai Runtime o la libreria clientPython di watsonx.ai.
2. Salva la funzione Python con una versione di specifica software o di runtime supportata. Per ulteriori informazioni, consultare Specifiche software e specifiche hardware per le distribuzioni.
3. Distribuisci la funzione Python .
4. Calcola il punteggio della funzione Python per generare previsioni.

Se la tua funzione Python non riesce durante il calcolo del punteggio, la funzione non è compatibile con la nuova versione di runtime o di specifica software utilizzata per il salvataggio della funzione Python . In questo caso, utilizzare Opzione 2.

Opzione 2: modificare il codice funzione e salvarlo con una specifica software o runtime compatibile

Copy link to section

1. Modificare il codice funzione Python per renderlo compatibile con la nuova versione della specifica di runtime o software. In alcuni casi, è necessario aggiornare le librerie dipendenti installate all'interno del codice funzione Python .
2. Salvare la funzione Python con la nuova versione di specifica del software o di runtime.
3. Distribuisci e calcola il punteggio della funzionalità Python .

È anche possibile aggiornare una funzione utilizzando l'API. Per ulteriori informazioni, vedi Aggiornamento di un asset utilizzando il comando Patch API.