Aggiornamento delle specifiche software dall'interfaccia utente

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

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"
      }
   }
]'

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

Opzione 1: salvare il modello con un framework compatibile

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")
   

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>")
   }
   

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)
   

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

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

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

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.