Programmgesteuertes Aktualisieren eines Modells oder AI-Anwendungsfalls

Vielleicht möchten Sie einen Anwendungsfall oder ein Factsheet mit zusätzlichen Informationen aktualisieren. Einige Unternehmen verfügen beispielsweise über einen Standardsatz von Details, die sie mit einem Modellanwendungsfall oder Modellfakten begleiten möchten.

Derzeit müssen Sie die Asset-Typen auf Mieterebene aktualisieren, indem Sie die Benutzerattribute ändern, die die Data and AI Common Core API zur Aktualisierung des Assets verwenden.

Angepassten Assettyp aktualisieren

Gehen Sie wie folgt vor, um einen angepassten Assettyp zu aktualisieren:

1. Geben Sie den Abfrageparameter " bss_account_id für den " getcatalogtype -Methode an.

2. Geben Sie asset_type als Modelleintragsbenutzer (model_entry_user) an, wenn Sie Attribute für model_entry aktualisieren. Geben Sie asset_type als Modelldatenbenutzer (modelfacts_user) an, wenn Sie Attribute für Modellfakten aktualisieren.

3. Abruf der aktuellen Asset-Typ-Definition unter Verwendung von " getcatalogtype -Methode, wobei " asset_type entweder " modelfacts_user oder " model_entry_user ist.

4. Aktualisieren Sie die aktuelle Assettypdefinition mit den angepassten Attributen, indem Sie sie dem JSON-Eigenschaftenobjekt gemäß dem Schema hinzufügen, das in der API-Dokumentation definiert ist. Die folgenden Attributtypen werden zum Anzeigen und Bearbeiten über die Benutzerschnittstelle des Modellanwendungsfalls oder -modells unterstützt:

   • Zeichenfolge
   • Datum
   • ganze Zahl

5. Nachdem das JSON mit den neuen Eigenschaften aktualisiert wurde, starten Sie die Änderungen mit dem Befehl " replaceassettype -Methode. Geben Sie die Nutzdaten für asset_type , bss_account_idund Anforderungen an.

Wenn die Aktualisierung abgeschlossen ist, können Sie die angepassten Attribute auf der Seite 'AI-Anwendungsfalldetails' und der Seite 'Modelldetails' anzeigen.

Beispiel 1: Assettyp model_entry_user abrufen und aktualisieren

Mit dem folgenden curl-Befehl wird der Assettyp model_entry_user abgerufen:

curl -X GET --header 'Accept: application/json' --header "Authorization: ZenApiKey ${MY_TOKEN}"  'https://api.dataplatform.cloud.ibm.com:443/v2/asset_types/model_entry_user?bss_account_id=<bss_account_id>'

Das folgende Snippet ist ein Beispiel für Antwortnutzdaten für Benutzerdetails des Modellanwendungsfalls:

{
    "description": "The model use case to capture user defined attributes.",
    "fields": [],
    "relationships": [],
    "properties": {},
    "decorates": [{
        "asset_type_name": "model_entry"
    }],
    "global_search_searchable": [],
    "localized_metadata_attributes": {
        "name": {
            "default": "Additional details",
            "en": "Additional details"
        }
    },
    "attribute_only": false,
    "name": "model_entry_user",
    "version": 1,
    "scope": "ACCOUNT"
}

Mit dem folgenden curl-Befehl wird der Assettyp model_entry_user aktualisiert:

curl -X PUT --header 'Content-Type: application/json' --header 'Accept: application/json' --header "Authorization: ZenApiKey ${MY_TOKEN}"  -d '@requestbody.json' 'https://api.dataplatform.cloud.ibm.com:443/v2/asset_types/model_entry_user?bss_account_id=<bss_account_id>'

Der Inhalt von requestbody.json sieht wie folgt aus:

{
    "description": "The model use case to capture user defined attributes.",
    "fields": [],
    "relationships": [],
    "properties": {
        "user_attribute1": {
            "type": "string",
            "description": "User attribute1",
            "placeholder": "User attribute1",
            "is_array": false,
            "required": true,
            "hidden": false,
            "readonly": false,
            "default_value": "None",
            "label": {
                "default": "User attribute1"
            }
        },
        "user_attribute2": {
            "type": "integer",
            "description": "User attribute2",
            "placeholder": "User attribute2",
            "is_array": false,
            "required": true,
            "hidden": false,
            "readonly": false,
            "label": {
                "default": "User attribute2"
            }
        },
        "user_attribute3": {
            "type": "date",
            "description": "User attribute3",
            "placeholder": "User attribute3",
            "is_array": false,
            "required": true,
            "hidden": false,
            "readonly": false,
            "default_value": "None",
            "label": {
                "default": "User attribute3"
            }
        
    }
    "decorates": [{
        "asset_type_name": "model_entry"
    }],
    "global_search_searchable": [],
    "attribute_only": false,
    "localized_metadata_attributes": {
        "name": {
            "default": "Additional details",
            "en": "Additional details"
        }
    }
}

Zuweisen einer Anzeigereihenfolge für benutzerdefinierte Fakten

Mit dem Feld ' Order in der Methode "Create Custom Facts Definition" können Sie eine Anzeigereihenfolge für eine benutzerdefinierte Tatsache zuweisen. Dadurch haben Sie eine bessere Kontrolle über die Anordnung der Fakten auf einem Datenblatt.

Gehen Sie folgendermaßen vor, um einen Auftrag einem benutzerdefinierten Sachverhalt zuzuordnen.

1. Bearbeiten Sie die Definitionsdatei der benutzerdefinierten Fakten und fügen Sie ein Feld "Bestellung" mit einer zugewiesenen Ganzzahl zur Steuerung der Bestellung hinzu. Beispiel:
2. Laden Sie die Definitionsdatei mit dieser Methode:

facts_client.assets.create_custom_facts_definitions("Asset_type_definition.csv", overwrite=True)

Benutzerdetails mit dem Python -Client aktualisieren

Sie können einen Assettyp auch mithilfe eines Python -Scripts aktualisieren und durch Eigenschaften ersetzen. Einzelheiten finden Sie in der Beschreibung der Elemente im Merkblatt.

Nachdem Sie Assettypdefinitionen mit angepassten Attributen aktualisiert haben, können Sie Werte für diese Attribute aus der Modellanwendungsfallübersicht und den Modelldetailseiten angeben. Sie können auch Werte für die angepassten Attribute aktualisieren, die diese Python -API-Clientmethoden verwenden:

• Modellassetdienstprogramme
• Dienstprogramme für Modelleinträge

Erfassen von Zellenfakten für ein Modell

Wenn ein Data-Scientist ein Modell in einem Notebook entwickelt, generieren sie Visualisierungen für Schlüsselmodelldetails wie ROC-Kurve, Wahrheitsmatrix, Panda-Profilermittlungsbericht oder die Ausgabe einer Zellenausführung. Um diese Fakten als Teil eines Modellanwendungsfalls zu erfassen, verwenden Sie die Funktion 'capture_cell_facts' in der Python -Clientbibliothek AI Factsheets .

Fehlerbehebung für angepasste Felder

Nachdem Sie Felder angepasst und für Benutzer verfügbar gemacht haben, erhalten Benutzer, die versuchen, Felder im Abschnitt Zusätzliche Details der Modelldetails zu aktualisieren, möglicherweise den folgenden Fehler:

Update failed. To update an asset attribute, you must be a catalog Admin or an asset owner or member with the Editor role. Ask a catalog Admin to update your catalog role or ask an asset member with the Editor role to add you as a member.

Wenn der Benutzer bereits über Bearbeitungsberechtigung für das Modell verfügt und die Fehlernachricht weiterhin erhält, führen Sie die folgenden Schritte aus, um das Modell zu beheben.

1. Rufen Sie den API-Befehl für createassetattributenewv2 auf.

2. Verwenden Sie diese Nutzdaten mit dem Befehl:

   
   {
     "name": "modelfacts_system",
     "entity": {
     }
   }
   

   Dabei ist asset_id der model_id. Geben Sie entweder project_id oder space_id oder catalog_id ein, wenn das Modell vorhanden ist.

Weitere Informationen

Informieren Sie sich in der Dokumentation IBM_AIGOV_FACTS_CLIENT über die programmatische Arbeit mit einem Bestand.

Übergeordnetes Thema: AI-Assets regulieren