Aktualizowanie specyfikacji oprogramowania z poziomu interfejsu użytkownika

1. W obszarze wdrażania kliknij model (upewnij się, że nie ma on żadnych aktywnych wdrożeń).
2. Kliknij symbol i , aby sprawdzić szczegóły modelu.
3. Aby zaktualizować specyfikację oprogramowania, należy użyć menu rozwijanego.

Zapoznaj się z przykładowym obrazem:

Aktualizowanie specyfikacji oprogramowania przy użyciu interfejsu API

Specyfikację oprogramowania można zaktualizować za pomocą komendy API Patch:

W polu software_spec wpisz /software_spec. W polu value należy użyć identyfikatora lub nazwy nowej specyfikacji oprogramowania.

Zapoznaj się z poniższym przykładem:

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"
      }
   }
]'

Więcej informacji na temat poprawek za pomocą interfejsu API można znaleźć w sekcji Aktualizowanie zasobu aplikacyjnego przy użyciu komendy API Patch API.

Opcja 1: Składowanie modelu z kompatybilnymi ramami

1. Pobierz model, korzystając z Watson Machine Learning Interfejs REST API lub Watson Machine Learning Biblioteka klienta Python. Na przykład:

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

2. Edytuj metadane modelu z typem modelu i wersją, która jest obsługiwana w bieżącej wersji. Szczegółowe informacje na temat obsługiwanych typów modeli i specyfikacji oprogramowania można znaleźć w sekcji Specyfikacje oprogramowania i specyfikacje sprzętu dla wdrożeń. Na przykład:

   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. Zapisz model w repozytorium Watson Machine Learning . Na przykład:

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

4. Wdróż model.

5. Oceń model, aby wygenerować predykcje.

Jeśli wdrożenie lub ocenianie nie powiedzie się, model nie jest zgodny z nową wersją, która została użyta do zapisania modelu. W takim przypadku należy użyć opcji Opcja 2.

Opcja 2: Retrain the model with a compatible framework

1. Przećwiczenie modelu z typem modelu i wersją, która jest obsługiwana w bieżącej wersji.
2. Zapisz model przy użyciu obsługiwanego typu modelu i wersji.
3. Wdrażaj i oceniaj model.

Możliwe jest również zaktualizowanie modelu przy użyciu interfejsu API. Więcej informacji na temat patentowania zasobów za pomocą interfejsu API można znaleźć w sekcji Aktualizowanie zasobu aplikacyjnego przy użyciu komendy API Patch API.

Opcja 1: Składowanie funkcji Python z kompatybilnym środowiskiem wykonawczym lub specyfikacją oprogramowania

1. Pobierz funkcję Python , korzystając z Watson Machine Learning Interfejs REST API lub Watson Machine Learning Biblioteka klienta Python.
2. Zapisz funkcję Python przy użyciu obsługiwanej wersji środowiska wykonawczego lub specyfikacji oprogramowania. Szczegółowe informacje na temat obsługiwanych specyfikacji oprogramowania można znaleźć w sekcji Specyfikacje oprogramowania i specyfikacje sprzętu dla wdrożeń.
3. Przeprowadź wdrożenie funkcji Python .
4. Oceń funkcję Python , aby wygenerować predykcje.

Jeśli funkcja Python nie powiedzie się podczas oceniania, funkcja nie jest kompatybilna z nowym środowiskiem wykonawczym lub wersją specyfikacji oprogramowania, która została użyta do zapisania funkcji Python . W takim przypadku należy użyć opcji Opcja 2.

Opcja 2: modyfikowanie kodu funkcji i zapisywanie go przy użyciu kompatybilnego środowiska wykonawczego lub specyfikacji oprogramowania

1. Zmodyfikuj kod funkcji Python tak, aby był zgodny z nowym środowiskiem wykonawczym lub wersją specyfikacji oprogramowania. W niektórych przypadkach należy zaktualizować biblioteki zależne, które są zainstalowane w kodzie funkcji Python .
2. Zapisz funkcję Python przy użyciu nowej wersji środowiska wykonawczego lub specyfikacji oprogramowania.
3. Wdróż i oceniaj funkcję Python .

Możliwe jest również zaktualizowanie funkcji przy użyciu interfejsu API. Więcej informacji na temat poprawek za pomocą interfejsu API można znaleźć w sekcji Aktualizowanie zasobu aplikacyjnego przy użyciu komendy API Patch API.