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 |
---|---|---|---|
AI 서비스 | 해당사항 없음 | 해당사항 없음 | runtime-24.1-py3.11 |
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 |
스팍 | 3.3 | mllib_3.3(deprecated) | spark-mllib_3.3(deprecated) |
스팍 | 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.
상위 주제: 프레임워크 및 소프트웨어 스펙