Piani Watson Machine Learning e utilizzo del calcolo

Watson Machine Learning in Cloud Pak for Data as a Service e watsonx

Se sei abilitato sia per watsonx che per Cloud Pak for Data as a Service, puoi passare da una piattaforma all'altra.

Scelta di un piano Watson Machine Learning

Visualizza un confronto di piani e considera i dettagli per scegliere un piano che si adatti alle tue necessità.

• PianiWatson Machine Learning
• CUH (Capacity Unit Hours), token e RU (Resource Unit)
• Dettagli del pianoWatson Machine Learning
• Misurazione ore unità di capacità
• Monitoraggio dell'utilizzo di CUH e RU

Dettagli del piano Watson Machine Learning

Il piano Lite ti fornisce risorse gratuite sufficienti per valutare le funzionalità di watsonx.ai. Puoi quindi scegliere un piano a pagamento che corrisponda alle esigenze della tua organizzazione, in base alle caratteristiche e alla capacità del piano.

Per tutti i piani:

• Il modello di base che deduce le unità di risorsa (RU) può essere utilizzato per l'inferenza Prompt Lab, inclusi input e output. Ciò significa che la richiesta immessa per l'input viene conteggiata in aggiunta all'output generato. (solowatsonx )
• L'inferenza del modello di base è disponibile solo per i data center di Dallas, Francoforte e Tokyo. (solowatsonx )
• L'ottimizzazione del modello Foundation in Tuning Studio è disponibile solo per i data center di Dallas, Francoforte e Tokyo. (solowatsonx )
• Tre classi di modelli determinano la velocità RU. Il prezzo per RU varia in base alla classe di modelli. (solowatsonx )
• Il consumo della velocità CUH (Capacity - unit - hour) per l'addestramento è basato sullo strumento di addestramento, sulla specifica hardware e sull'ambiente di runtime.
• L'utilizzo della velocità CUH (Capacity - unit - hour) per la distribuzione è basato sul tipo di installazione, sulla specifica hardware e sulla specifica software.
• Watson Machine Learning pone dei limiti sul numero di lavori di distribuzione conservati per ogni singolo spazio di distribuzione . Se si supera il limite, non è possibile creare nuovi lavori di distribuzione fino a quando non si eliminano i lavori esistenti o si aggiorna il 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.
• Il tempo di inattività si riferisce alla quantità di tempo per considerare una distribuzione attiva tra le richieste di calcolo del punteggio. 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.
• Un piano consente almeno il limite di frequenza indicato e il limite di frequenza effettivo può essere superiore al limite indicato. Ad esempio, il piano Lite potrebbe elaborare più di 2 richieste al secondo senza emettere un errore. Se hai un piano a pagamento e ritieni di aver raggiunto il limite di frequenza per errore, contatta il supporto IBM per assistenza.

Per i dettagli del piano e i prezzi, vedi IBM Cloud Machine Learning.

Misurazione dell'unità di risorsa (watsonx)

La fatturazione delle unità di risorsa è basata sulla frequenza della classe di fatturazione per il modello di fondazione moltiplicata per il numero di unità di risorsa (RU). Un'unità di risorsa è uguale a 1000 token dall'input e dall'output dell'inferenza del modello di base. Le tre classi di fatturazione del modello di base hanno tariffe RU differenti. I modelli incorporati che vettorizzano le stringhe di testo vengono fatturati a una tariffa diversa.

Misurazione ore unità di capacità (watsonx e Watson Machine Learning)

Il consumo CUH è influenzato dalle risorse hardware di calcolo applicate per un'attività e da altri fattori quali la specifica del software e il tipo di modello.

Monitoraggio dell'utilizzo delle risorse

È possibile tenere traccia dell'utilizzo di CUH o RU per gli asset di cui si è proprietari o su cui si collabora in un progetto o in uno spazio. Se sei un proprietario o un amministratore dell'account, puoi tenere traccia dell'utilizzo di CUH o RU per un intero account.

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

'capacity_units': {'current': 19773430}

19773430/(3600*1000)

Ulteriori informazioni

• Opzioni di calcolo per gli esperimenti AutoAI
• Opzioni di calcolo per l'addestramento del modello e il calcolo del punteggio

Argomento principale Watson Machine Learning