Translation not up to date
IBM Watson Machine Learning' de, makine öğrenimi modellerini ve işlevlerini eğitmek ve devreye almak için sık kullanılan araçları, kitaplıkları ve çerçeveleri kullanabilirsiniz. Bu modellere ve işlevlere ilişkin ortam, belirli donanım ve yazılım belirtimlerinden oluşmuştur.
Yazılım belirtimleri, bir model ya da işlev için kullandığınız dili ve sürümü tanımlar. Bunlar, modellerinizi ve işlevlerinizi çalıştırmak için kullanılan yazılımı daha iyi yapılandırmanızı sağlar. Yazılım belirtimlerini kullanarak, kullanılacak yazılım sürümünü tam olarak tanımlayabilir ve kendi uzantılarınızı dahil edebilirsiniz (örneğin, conda .yml dosyalarını veya özel kitaplıkları kullanarak).
Kullanılabilir yazılım ve donanım belirtimlerinin bir listesini alabilir ve bunların adlarını ve kimliklerini devreye alımınızla birlikte kullanmak için kullanabilirsiniz. Bunun nasıl gerçekleştirileceğine ilişkin ayrıntılar için Python istemcisi ya da REST APIbelgelerine bakın.
Önceden tanımlanmış yazılım belirtimleri
Makine öğrenimi modellerini ve işlevlerini eğitmek ve devreye almak için sık kullanılan araçları, kitaplıkları ve çerçeveleri kullanabilirsiniz.
Bu tablo, önceden tanımlanmış (temel) model tiplerini ve yazılım belirtimlerini listeler.
| Çerçeve | Sürümler | Model Tipi | Varsayılan Yazılım belirtimi |
|---|---|---|---|
| AutoAI | 0.1 | Yoktur | autoai-kb_rt22.2-py3.10 autoai-ts_rt22.2-py3.10 hybrid_0.1 autoai-kb_rt23.1-py3.10 autoai-ts_rt23.1-py3.10 autoai-tsad_rt23.1-py3.10 autoai-tsad_rt22.2-py3.10 |
| 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 |
| Hibrid/AutoML | 0.1 | wml-hybrid_0.1 | hybrid_0.1 |
| PMML | 3.0 - 4.3 | -Pmml_. (ya da) pmml_..*3.0 - 4.3 | pmml-3.0_4.3 |
| PyTorch | 1.12 | pytorch-onnx_1.12 pytorch-onnx_rt22.2 |
runtime-22.2-py3.10 pytorch-onnx_rt22.2-py3.10 pytorch-onnx_rt22.2-py3.10-edt |
| 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 |
| Python İşlevleri | 0.1 | Yoktur | runtime-22.2-py3.10 runtime-23.1-py3.10 |
| Python Komut Dosyaları | 0.1 | Yoktur | runtime-22.2-py3.10 runtime-23.1-py3.10 |
| Scikit-öğrenme | 1.1 | scikit-learn_1.1 | runtime-22.2-py3.10 runtime-23.1-py3.10 |
| Spark | 3.3 | mllib_3.3 | spark-mllib_3.3 |
| 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 | 2.9 | tensorflow_2.9 tensorflow_rt22.2 |
runtime-22.2-py3.10 tensorflow_rt22.2-py3.10 |
| 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 |
| XGBoost | 1.6 | xgboost_1.6 ya da scikit-learn_1.1 (notlara bakın) | runtime-22.2-py3.10 runtime-23.1-py3.10 |
Notlar:
- Bir çerçeve sürümü kullanımdan kaldırıldı olarak işaretlenirse, ilerideki bir güncellemede bu çerçeveye ilişkin destek kaldırılır.
- XGBoost için, model sklearn wrapper (XGBClassifier ya da XGBRegressor) ile eğitildiyse,
scikit-learn_1.1model tipini kullanın. - CPLEX 12.9 ve CPLEX 12.10 desteği kaldırılıyor.
- Python 3.7, Python 3.8ve Python 3.9' a dayalı yazılım belirtimleri için destek kesilmiştir.
- Spark 2.4, Spark 3.0ve Spark 3.2 çerçevelerini temel alan yazılım belirtimleri için destek kesilmiştir.
spark-mllib_2.4yazılım belirtimi ile PMML için destek kesilmiştir.spark-mllib_2.4tabanlı devreye alma desteği 4 Mayıs 2022 'de durduruldu. PMML modelleriniz için varsayılan yazılım belirtimi olarakpmml-3.0_4.3kullanın.- Desteklenen SPSS Modeler çalıştırma zamanlarında Python sürümünün yükseltilmesi nedeniyle, 1 Eylül 2020 'den önce IBM Watson Studio Cloud içinde SPSS Modeler ile oluşturulan bazı modeller artık Watson Machine Learningiçinde devreye alınamaz. Ayrıntılar için bkz. SPSS Modeler akışının yeniden denenmesi.
Kullanımdan kaldırılan yazılım belirtimlerine veya çerçeveleri güvenen varlıklarınız olduğunda, bazı durumlarda geçiş sorunsuz olur. Diğer durumlarda, varlıkları yeniden eğitmek ya da yeniden devreye almak için işlem yapmanız gerekir.
Durdurulan çerçeve sürümleriyle ya da yazılım belirtimleriyle oluşturulan modellerin var olan devreye alımları, sona erdirme tarihinde kaldırılacaktır.
Durdurulan çerçeve sürümleriyle ya da yazılım belirtimleriyle oluşturulan modellerin yeni devreye alımlarına izin verilmez.
Önceki bir Cloud Pak for Datasürümünden yükseltme yaparsanız, desteklenmeyen çerçeveleri temel alan modellerin, işlevlerin ya da komut dosyalarının devreye alımları kaldırılır. Desteklenen çerçevelerle konuşlandırmaları yeniden oluşturmanız gerekir.
Önceki bir Cloud Pak for Data sürümünden büyütme yapıyorsanız ve desteklenmeyen çerçeveler kullanan modelleriniz varsa, modellere erişmeye devam edebilirsiniz. Ancak, model tipini ve yazılım belirtimini yükseltmeden önce bunları eğitemez ya da puanlamazsınız (bkz. eski yazılım belirtimlerini ya da çerçevelerini yönetme).
Daha fazla bilgi
Yazılım belirtimlerinin özelleştirilmesine ilişkin ayrıntılar için Üçüncü kişi ve özel Python kitaplıklarıyla özelleştirmebaşlıklı konuya bakın.
Ortamların kullanılmasına ve özelleştirilmesine ilişkin ayrıntılar için Ortamlarkonusuna bakın.
Belirli konuşlandırma örnekleri için örnek Jupyter not defterlerine bakın:
Üst konu: Çerçeveler ve yazılım belirtimleri