Piani Watson Machine Learning e utilizzo del calcolo

Limiti e valori predefiniti per la conservazione dei lavori di distribuzione (Watson Machine Learning)

Watson Machine Learning pone dei limiti sul numero di lavori di distribuzione conservati per ogni singolo spazio di distribuzione . È importante sottolineare che con questo aggiornamento, nessuna delle tue informazioni verrà persa, ma la tua esperienza utente durante l'esecuzione dei lavori di distribuzione potrebbe dover cambiare.

Se si supera il limite, non sarà possibile creare nuovi lavori di distribuzione finché non si eliminano i lavori esistenti o non si aggiorna il piano. La nuova automazione ti aiuterà a rimanere entro i limiti del piano. Per impostazione predefinita, i metadati dei job verranno eliminati automaticamente dopo 30 giorni. È possibile sovrascrivere questo valore durante la creazione di un lavoro. Consultare Gestione dei lavori.

Dettagli sull'utilizzo di CUH

• L'utilizzo del calcolo Machine Learning viene calcolato in base al numero di CUH (Capacity Unit Ore) utilizzate da un'istanza di machine learning attiva.
• La frequenza delle unità di capacità per ora utilizzate è determinata dai requisiti di elaborazione dei modelli e degli asset Machine Learning . Ad esempio, un modello con un insieme di dati complesso e di grandi dimensioni consumerà più risorse di addestramento rispetto a un modello con un insieme di dati più piccolo e più semplice. Tieni presente che il ridimensionamento di una distribuzione per supportare più utenti e richieste simultanei aumenta anche il consumo di CUH.
• Poiché ci sono tante variabili che influenzano il consumo di risorse per una distribuzione, ti consigliamo di eseguire test sui tuoi modelli e distribuzioni per analizzare il consumo CUH.
• Il tempo di calcolo viene calcolato in millisecondi. Tuttavia, c'è un minimo di un minuto per ogni operazione distinta. Vale a dire, un'esecuzione di addestramento che richiede 12 secondi viene fatturata come un minuto rispetto alla quota ora dell'unità di capacità, mentre un'esecuzione di addestramento che impiega 83.555 secondi viene fatturata esattamente come calcolata.
• Il modo in cui le distribuzioni online utilizzano le unità di capacità è basato sul framework. Per alcuni framework, CUH viene addebitato per il numero di ore in cui l'asset di distribuzione è attivo in uno spazio di distribuzione. Ad esempio, i modelli SPSS in modalità di distribuzione online che vengono eseguiti 24 ore al giorno per sette giorni alla settimana utilizzano CUH e vengono addebitati per tale periodo. Non esiste alcun tempo di inattività per una distribuzione in linea attiva. Per altri framework, CUH viene addebitato in base alla durata del punteggio. Consultare la tabella dei consumi CUH per i dettagli su come viene calcolato CUH.

Come determinare se una distribuzione è attiva

Se una distribuzione non riceve richieste di calcolo del punteggio per una data durata, viene considerata inattiva o inattiva e la fatturazione si arresta per tutti i framework diversi da SPSS. Il periodo utilizzato per stabilire quando una distribuzione è inattiva dipende dal tipo di piano.

Utilizzo CUH per distribuzione e tipo di framework

Il consumo di CUH viene calcolato utilizzando queste formule:

Queste tabelle mostrano le unità di capacità per calcolo orario per gli ambienti di machine learning, per tipo di utilizzo.

Unità di capacità per ora per modelli di addestramento, valutazione o calcolo del punteggio

Unità di capacità all'ora per esperimenti AutoAI

Quando i dati vengono uniti per un esperimento AutoAI , le unità di capacità per ora vengono calcolate in modo diverso quando i dati vengono uniti. Una volta uniti i dati, il consumo CUH ritorna ai calcoli per un esperimento con una sola origine dati.

Unità di capacità all'ora per gli esperimenti AutoAI utilizzando una singola origine dati:

Unità di capacità all'ora per esperimenti AutoAI durante l'unione dei dati:

Si noti che il consumo aumenta per ogni executor aggiunto.

Unità di capacità per ora per gli esperimenti Decision Optimization

Questi piani si applicano agli esperimenti Decision Optimization eseguiti in Watson Studio.

Unità di capacità all'ora per Decision Optimization in Watson Machine Learning

Questi piani si applicano a Decision Optimization distribuito ed eseguito da Watson Machine Learning.

Per i dettagli su come vengono utilizzate le risorse, vedi Monitoraggio dell'utilizzo delle risorse dell'account

Traccia il consumo di CUH per il machine learning in un notebook

Per calcolare le ore dell'unità di capacità, utilizzare:

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

Ad esempio:

'capacity_units': {'current': 19773430}

19773430/(3600*1000)

restituisce 5.49 CUH

Per i dettagli, consulta la sezione Istanze del servizio della documentazione APIIBM Watson Machine Learning .