Opciones de recursos de cálculo para el editor de cuadernos en los proyectos

Tipos de entornos

Puede utilizar estos tipos de entornos para ejecutar cuadernos:

• Entornos de CPU de Anaconda para cargas de trabajo estándar.
• Entornos de Spark para el proceso paralelo proporcionado por la plataforma o por otros servicios.
• Entornos de GPU para modelos de aprendizaje automático de máquina intensiva.

La mayoría de los tipos de entorno para cuadernos tienen plantillas de entorno predeterminadas para que pueda empezar rápidamente. De lo contrario, puede crear plantillas de entorno personalizadas.

Releases de tiempo de ejecución

Los entornos predeterminados para los cuadernos se añaden como un afiliado de un release de tiempo de ejecución y con el prefijo Runtime seguido del año de release y la versión de release.

Un release de tiempo de ejecución especifica una lista de bibliotecas de ciencia de datos clave y una versión de lenguaje, por ejemplo Python 3.10. Todos los entornos de un release de tiempo de ejecución se crean basándose en las versiones de biblioteca definidas en el release, lo que garantiza el uso coherente de las bibliotecas de ciencia de datos en todas las aplicaciones de ciencia de datos.

El release de Runtime 23.1 está disponible para Python 3.10 y R 4.2.

Mientras se da soporte a un release de tiempo de ejecución, IBM actualizará las versiones de biblioteca para abordar los requisitos de seguridad. Tenga en cuenta que estas actualizaciones no cambiarán las versiones de <Major>.<Minor> de las bibliotecas, sino sólo las versiones de <Patch> . Esto garantiza que los activos del cuaderno seguirán ejecutándose.

Plantillas de entorno de CPU

Puede seleccionar cualquiera de las siguientes plantillas de entorno de CPU predeterminadas para cuadernos. Las plantillas de entorno predeterminadas se listan en Plantillas en la página Entornos en el separador Gestionar del proyecto.

DO Indica que las plantillas de entorno incluyen las bibliotecas CPLEX y DOcplex para modelar y resolver problemas de optimización de decisiones que superan la complejidad soportada por la edición comunitaria de las bibliotecas en los otros entornos Python predeterminados. Consulte Cuadernos Decision Optimization.

NLP Indica que las plantillas de entorno incluyen la biblioteca de Watson Natural Language Processing con modelos ya entrenados para tareas de proceso de lenguaje que se pueden ejecutar sobre datos no estructurados. Consulte Utilización de la biblioteca de Watson Natural Language Processing. Este entorno predeterminado debe ser lo suficientemente grande como para ejecutar los modelos ya entrenados.

Detenga todos los tiempos de ejecución de CPU activos cuando ya no los necesite, para evitar consumir horas de unidad de capacidad extra (CUH). Consulte Tiempo de espera de inactividad de CPU.

Plantillas de entorno Spark

Puede seleccionar cualquiera de las siguientes plantillas de entorno de Spark predeterminado para cuadernos. Las plantillas de entorno predeterminadas se listan en Plantillas en la página Entornos en el separador Gestionar del proyecto.

Detenga todos los tiempos de ejecución de Spark activos cuando ya no los necesite, para evitar consumir horas de unidad de capacidad extra (CUH). Consulte Tiempo de espera de inactividad de Spark.

Plantillas de entorno de GPU

Puede seleccionar la siguiente plantilla de entorno de GPU para los cuadernos. Las plantillas de entorno se listan en Plantillas en la página Entornos en el separador Gestionar del proyecto.

Los nombres de plantilla de entorno de GPU indican la potencia del acelerador. Las plantillas de entorno de GPU incluyen la biblioteca Watson Natural Language Processing con modelos entrenados previamente para tareas de proceso de lenguaje que puede ejecutar en datos no estructurados. Consulte Utilización de la biblioteca Watson Natural Language Processing.

~ Indica que la plantilla de entorno requiere el plan Watson Studio Professional. Consulte Planes de la oferta.

Detenga todos los tiempos de ejecución de GPU activos cuando ya no los necesite, para evitar consumir horas de unidad de capacidad extra (CUH). Consulte Tiempo de espera de inactividad de GPU.

Especificaciones de hardware predeterminadas para modelos de puntuación con Watson Machine Learning

Cuando se invoca la API de Watson Machine Learning dentro de un cuaderno, se consumen recursos de cálculo del servicio Watson Machine Learning, así como los recursos de cálculo para el cuaderno kernel.

Puede seleccionar cualquiera de las siguientes especificaciones de hardware cuando se conecte a Watson Machine Learning y cree un despliegue.

Archivos de datos en entornos de cuaderno

Si está trabajando con conjuntos de datos grandes, debe almacenar los conjuntos de datos en fragmentos más pequeños en IBM Cloud Object Storage asociados con el proyecto y procesar los datos en fragmentos en el cuaderno. Alternativamente, debería ejecutar el cuaderno en un entorno de Spark.

Tenga en cuenta que el sistema de archivos de cada tiempo de ejecución no es persistente y no se puede compartir entre entornos. Para persistir archivos en Watson Studio, debe utilizar IBM Cloud Object Storage. La forma más fácil de utilizar IBM Cloud Object Storage en los cuadernos en los proyectos es aprovechar paquete project-lib para Python o el paquete project-lib para R.

Uso de cálculo por servicio

Los tiempos de ejecución del cuaderno consumen recursos de cálculo como CUH de Watson Studio, mientras se ejecutan entornos predeterminados o personalizados. Puede supervisar el consumo de CUH de Watson Studio en el proyecto en la página Uso de recursos en la pestaña Gestionar del proyecto.

Los cuadernos también pueden consumir CUH del servicio Watson Machine Learning cuando el cuaderno invoca el Watson Machine Learning para puntuar un modelo. Puede supervisar la cantidad total mensual de consumo de CUH para el servicio Watson Machine Learning en la página Uso de recursos de la pestaña Gestionar del proyecto.

CP =  client.service_instance.get_details()
CUH = CUH["entity"]["usage"]["capacity_units"]["current"]/(3600*1000)
print(CUH)

'capacity_units': {'current': 19773430}

19773430/(3600*1000)

Ámbito de tiempo de ejecución

Los tiempos de ejecución de entorno siempre se circunscriben a una plantilla de entorno y a un usuario dentro de un proyecto. Si diferentes usuarios en un proyecto trabajan con el mismo entorno, cada usuario obtendrá un tiempo de ejecución diferente.

Si selecciona ejecutar una versión de un cuaderno como un trabajo planificado, cada trabajo planificado siempre se iniciará en un tiempo de ejecución dedicado. El tiempo de ejecución se detiene cuando finaliza el trabajo.

Modificación del entorno de un cuaderno

Puede cambiar entornos por distintos motivos, por ejemplo, puede:

• Seleccionar un entorno con más potencia de proceso o más RAM
• Cambiar de un entorno sin Spark a un entorno de Spark

Solo puede cambiar el entorno de un cuaderno si el cuaderno está desbloqueado. Puede cambiar el entorno:

• En el cuaderno abierto en modalidad de edición:

  1. Guarde sus cambios del cuaderno.
  2. Pulse el icono Información del cuaderno () en la barra de herramientas del cuaderno y seleccione Entorno.
  3. Seleccione otra plantilla con la potencia de cálculo y la capacidad de memoria de la lista.
  4. Seleccione Cambiar entorno. Esto detiene el tiempo de ejecución activo e inicia el entorno que acaba de seleccionar.

• Desde la página Activos de su proyecto:

  1. Seleccione el cuaderno en la sección Cuadernos, pulse Acciones > Cambiar entorno y seleccione otro entorno. El kernel debe estar detenido para poder cambiar el entorno. La próxima vez que se abra el cuaderno para edición, se creará una instancia de este nuevo entorno de ejecución.

• En el trabajo del cuaderno editando la plantilla de trabajo. Consulte Edición de valores de trabajo.

Próximos pasos

• Creación de un cuaderno
• Creación de su propia plantilla de entorno
• Personalización de una plantilla de entorno
• Detención de tiempos de ejecución del cuaderno activo

Más información

• Supervisión del uso de recursos de la cuenta

Tema principal: Calcular recursos para herramientas