Uso de cálculo y planes de Watson Machine Learning

Límites y valores predeterminados para conservar los trabajos de despliegue (Watson Machine Learning)

Watson Machine Learning establece límites en el número de trabajos de despliegue retenidos para cada espacio de despliegue individual. Es importante subrayar que, con esta actualización, no se perderá ninguna información, pero la experiencia del usuario al ejecutar trabajos de despliegue debería cambiar.

Si supera el límite, no podrá crear nuevos trabajos de despliegue hasta que suprima los trabajos existentes o actualice el plan. La nueva automatización le ayudará a permanecer dentro de los límites del plan. De forma predeterminada, los metadatos de trabajo se suprimirán automáticamente al cabo de 30 días. Puede alterar temporalmente este valor al crear un trabajo. Consulte Gestión de trabajos.

Detalles de uso de CUH

• El uso del cálculo de Machine Learning se calcula por el número de horas de unidad de capacidad (CUH) consumidas por una instancia activa de Machine Learning.
• La tasa de unidades de capacidad por hora consumida viene determinada por los requisitos de cálculo de los activos y modelos de Machine Learning. Por ejemplo, un modelo con un conjunto de datos grande y complejo consumirá más recursos de entrenamiento que un modelo con un conjunto de datos más pequeño y sencillo. Tenga en cuenta que ampliar un despliegue para dar soporte a más usuarios y solicitudes simultáneos también aumenta el consumo de CUH.
• Como hay tantas variables que afectan el consumo de recursos en un despliegue, le recomendamos que ejecute pruebas en sus modelos y despliegues para analizar el consumo de CUH.
• El tiempo de cálculo se calcula al milisegundo. Sin embargo, hay un mínimo de un minuto para cada operación distinta. Es decir, una ejecución de entrenamiento que tarda 12 segundos se factura como un minuto para la cuota de hora de unidad de capacidad, mientras que una ejecución de entrenamiento que tarda 83,555 segundos se factura exactamente como se ha calculado.
• La forma en que los despliegues en línea consumen unidades de capacidad se basa en la infraestructura. En algunas infraestructuras, CUH se carga por el número de horas que el activo de despliegue está activo en un espacio de despliegue. Por ejemplo, los modelos de SPSS en modalidad de despliegue en línea que se ejecutan 24 horas al día durante siete días a la semana consumen CUH y se le cobrará por ese periodo. No hay tiempo de inactividad para un despliegue en línea activo. Para otras infraestructuras, CUH se carga de acuerdo con la duración de la puntuación. Consulte la tabla de consumo de CUH para obtener detalles sobre cómo se calcula CUH.

Determinar si un despliegue está activo

Si un despliegue no recibe solicitudes de puntuación durante una duración determinada, se trata como inactivo o desocupado y la facturación se detiene para todas las infraestructuras distintas de SPSS. El periodo que se utiliza para determinar cuándo un despliegue está inactivo depende del tipo de plan.

Consumo de CUH por el despliegue y el tipo de infraestructura

El consumo de CUH se calcula utilizando estas fórmulas:

Estas tablas muestran el cálculo de las unidades de capacidad por hora para los entornos de aprendizaje automático, por tipo de uso.

Unidades de capacidad por hora para modelos de entrenamiento, evaluación o puntuación

Unidades de capacidad por hora para experimentos de IA automática

Cuando se unen datos para un experimento de IA automática, las unidades de capacidad por hora se calculan de un modo diferente a medida que los datos se van uniendo. Cuando los datos se unen, el consumo CUH revierte a los cálculos para un experimento con un origen de datos único.

Unidades de capacidad por hora para experimentos de IA automático utilizando un único origen de datos:

Unidades de capacidad por hora para experimentos de IA automático al unir datos:

Tenga en cuenta que el consumo se incrementa con cada ejecutor que añade.

Unidades de capacidad por hora para experimentos de Decision Optimization

Estos planes se aplican a los experimentos de Decision Optimization ejecutados en Watson Studio.

Unidades de capacidad por hora para Decision Optimization en Watson Machine Learning

Estos planes se aplican a Decision Optimization desplegado y ejecutado desde Watson Machine Learning.

Para obtener detalles sobre cómo se consumen los recursos, consulte Supervisión de la utilización de recursos de la cuenta

Seguimiento del consumo de CUH para aprendizaje automático en un cuaderno

Para calcular las horas de unidad de capacidad, utilice:

CP =  client.service_instance.get_details()
CUH = CUH["entity"]["usage"]["capacity_units"]["current"]/(3600*1000)
print(CUH)

Por ejemplo:

'capacity_units': {'current': 19773430}

19773430/(3600*1000)

returns 5.49 CUH

Para obtener detalles, consulte la sección Instancias de servicio de la documentación de API de IBM Watson Machine Learning.