지원되는 소프트웨어 스펙
IBM watsonx.ai Runtime에서는 널리 사용되는 도구, 라이브러리 및 프레임워크를 사용하여 머신 러닝 모델과 기능을 학습하고 배포할 수 있습니다. 이러한 모델 및 기능에 대한 환경은 특정 하드웨어 및 소프트웨어 스펙으로 구성됩니다.
소프트웨어 스펙은 모델 또는 기능에 사용하는 언어 및 버전을 정의합니다. 소프트웨어 스펙을 사용하여 모델 및 기능을 실행하는 데 사용되는 소프트웨어를 구성할 수 있습니다. 소프트웨어 스펙을 사용하여 사용할 소프트웨어 버전을 정확하게 정의하고 사용자 고유의 확장을 포함할 수 있습니다 (예: conda .yml 파일 또는 사용자 정의 라이브러리 사용).
사용 가능한 소프트웨어 및 하드웨어 스펙 목록을 가져온 후 배치에 사용할 해당 이름 및 ID를 사용할 수 있습니다. 자세한 내용은 Python 클라이언트 또는 데이터 및 AI 공통 코어 API를 참조하세요.
기계 학습 프레임워크에 대해 지원되는 소프트웨어 스펙
인기 있는 도구, 라이브러리 및 프레임워크를 사용하여 기계 학습 모델 및 기능을 훈련하고 배치할 수 있습니다.
이 표에는 사전 정의된 (기본) 모델 유형 및 소프트웨어 스펙이 나열되어 있습니다.
| 프레임워크 | 버전 | 모델 유형 | 소프트웨어 스펙 |
|---|---|---|---|
| Decision Optimization | 20.1 | do-docplex_20.1 do-opl_20.1 do-cplex_20.1 do-cpo_20.1 |
do_20.1 |
| Decision Optimization | 22.1 | do-docplex_22.1 do-opl_22.1 do-cplex_22.1 do-cpo_22.1 |
do_22.1 |
| PMML | 3.0 - 4.3 | pmml_. (또는) pmml_..*3.0 - 4.3 | pmml-3.0_4.3 |
| PyTorch | 2.0 | pytorch-onnx_2.0 pytorch-onnx_rt23.1 |
runtime-23.1-py3.10 pytorch-onnx_rt23.1-py3.10 pytorch-onnx_rt23.1-py3.10-edt pytorch-onnx_rt23.1-py3.10-dist |
| PyTorch | 2.1 | pytorch-onnx_2.1 pytorch-onnx_rt24.1 |
runtime-24.1-py3.11 pytorch-onnx_rt24.1-py3.11 pytorch-onnx_rt24.1-py3.11-edt pytorch-onnx_rt24.1-py3.11-dist |
| Python 함수 | 해당사항 없음 | 해당사항 없음 | runtime-24.1-py3.11 |
| Python 스크립트 | 해당사항 없음 | 해당사항 없음 | runtime-24.1-py3.11 |
| Scikit-learn | 1.1 | scikit-learn_1.1 | runtime-23.1-py3.10 |
| Scikit-learn | 1.3 | scikit-learn_1.3 | runtime-24.1-py3.11 |
| Spark | 3.3 | mllib_3.3(deprecated) | spark-mllib_3.3(deprecated) |
| Spark | 3.4 | mllib_3.4 | spark-mllib_3.4 |
| SPSS | 17.1 | spss-modeler_17.1 | spss-modeler_17.1 |
| SPSS | 18.1 | spss-modeler_18.1 | spss-modeler_18.1 |
| SPSS | 18.2 | spss-modeler_18.2 | spss-modeler_18.2 |
| Tensorflow | 2.12 | tensorflow_2.12 tensorflow_rt23.1 |
runtime-23.1-py3.10 tensorflow_rt23.1-py3.10-dist tensorflow_rt23.1-py3.10-edt tensorflow_rt23.1-py3.10 |
| Tensorflow | 2.14 | 텐서플로우_2.14 텐서플로우_rt24.1 |
runtime-24.1-py3.11 tensorflow_rt24.1-py3.11-dist tensorflow_rt24.1-py3.11-edt tensorflow_rt24.1-py3.11 |
| XGBoost | 1.6 | xgboost_1.6 또는 scikit-learn_1.1 (참고 참조) | runtime-23.1-py3.10 |
| XGBoost | 2.0 | xgboost_2.0 또는 scikit-learn_1.3 | runtime-24.1-py3.11 |
| oNNX 또는 ONNXRUNUNE | 1.16 | onnxruntime_1.16 | onnxruntime_opset_19 |
하이브리드 모델에 지원되는 모델 유형 및 소프트웨어 사양
하이브리드 모델에 지원되는 모델 유형 및 소프트웨어 사양은 다음과 같습니다:
| 프레임워크 | 버전 | 모델 유형 | 기본 소프트웨어 사양 |
파이프라인 소프트웨어 사양 |
|---|---|---|---|---|
| 하이브리드 | 0.1 | wml-hybrid_0.1 | hybrid_0.1 | autoai-kb_rt24.1-py3.11 autoai-ts_rt24.1-py3.11 |
중단된 소프트웨어 스펙 또는 프레임워크에 의존하는 자산이 있는 경우 일부 경우에는 마이그레이션이 원활하지 않습니다. 또는 자산을 다시 훈련하거나 다시 배치하기 위해 사용자 조치가 필요한 경우도 있습니다.
중단된 프레임워크 버전 또는 소프트웨어 스펙을 사용하여 빌드된 모델의 기존 배치는 중단 날짜에 제거됩니다.
중단된 프레임워크 버전 또는 소프트웨어 스펙을 사용하여 빌드된 모델의 새 배치는 허용되지 않습니다.
이전 버전의 Cloud Pak for Data에서 업그레이드하는 경우, 지원되지 않는 프레임워크를 기반으로 하는 모델, 기능 또는 스크립트의 배치가 제거됩니다. 지원되는 프레임워크를 사용하여 배치를 다시 작성해야 합니다.
이전 버전의 Cloud Pak for Data 에서 업그레이드하고 지원되지 않는 프레임워크를 사용하는 모델이 있는 경우에도 여전히 모델에 액세스할 수 있습니다. 그러나 오래된 소프트웨어 스펙 또는 프레임워크 관리에 설명된 대로 모델 유형 및 소프트웨어 스펙을 업그레이드할 때까지 이를 훈련시키거나 스코어링할 수 없습니다.
상위 주제: 프레임워크 및 소프트웨어 스펙