0 / 0
Zurück zur englischen Version der Dokumentation
Ressourcenoptionen für Entscheidungsoptimierung berechnen
Letzte Aktualisierung: 21. Nov. 2024
Ressourcenoptionen für Entscheidungsoptimierung berechnen

Wenn Sie ein Decision Optimization ausführen, verwenden Sie die watsonx.ai, die mit dem Bereitstellungsraum verknüpft ist, der mit Ihrem Experiment verbunden ist.

Standardhardwarekonfiguration

Die folgende Hardwarekonfiguration wird standardmäßig verwendet, wenn Modelle in einem Experiment ausgeführt werden:

Kapazitätstyp Kapazitätseinheiten pro Stunde (CUH)
2 vCPU und 8 GB RAM 6

Die CUH wird nur verbraucht, wenn das Modell aktiv ist und nicht, wenn Sie Daten hinzufügen oder Ihr Modell bearbeiten.

Sie können bei Bedarf auch zu einer anderen Experimentumgebung wechseln. Eine Liste der Umgebungen für Decision Optimization -Experimente finden Sie in den Decision Optimization -Plänen .

Weitere Informationen zur Konfiguration von Decision Optimization -Experimentumgebungen finden Sie unter Umgebungen konfigurieren.

Rechenleistungsnutzung in Projekten

Experimente Decision Optimization verbrauchen Rechenressourcen als CUH vom watsonx.ai Runtime Service.

Sie können die monatliche Gesamtmenge des CUH-Verbrauchs für den watsonx.ai Runtime Service auf der Seite Ressourcennutzung auf der Registerkarte Verwalten Ihres Projekts überwachen.

Was verbraucht CUH?

Kapazitätseinheitenstunden (CUH) werden für die Ausführung von Assets verbraucht, nicht für die Arbeit in Tools. Das heißt, es gibt keine Nutzungsgebühr für die Definition von Decision Optimization -Experimenten, aber es gibt eine Gebühr für die Ausführung des Experiments. In ähnlicher Weise fallen keine Kosten für die Definition eines Bereitstellungs-oder Bereitstellungsjobs für eine Lösung zur Entscheidungsoptimierung an, aber es fallen Kosten für die Ausführung eines Bereitstellungsjobs oder die Inferenz für die implementierte Lösung an.

Weitere Informationen

Übergeordnetes Thema: Auswählen von Rechenressourcen für Tools

Generative KI-Suche und -Antwort
Diese Antworten werden von einem großen Sprachmodell in watsonx.ai basierend auf dem Inhalt der Produktdokumentation generiert. Weitere Informationen