Watson Machine Learning planuje i oblicza wykorzystanie

Limity i wartości domyślne dla zachowywania zadań wdrażania (Watson Machine Learning)

Watson Machine Learning określa limity liczby zadań wdrażania zatrzymanych dla każdego miejsca wdrożenia. Co ważne, z tą aktualizacją żadna z Twoich informacji nie zostanie utracona, ale twoje doświadczenie użytkownika podczas uruchamiania zadań wdrażania może wymagać zmiany.

Jeśli limit zostanie przekroczony, nie będzie można utworzyć nowych zadań wdrażania, dopóki nie zostaną usunięte istniejące zadania lub nie zaktualizuje się planu. Nowa automatyzacja pomoże Ci pozostać w granicach planu. Domyślnie metadane zadań będą automatycznie usuwane po 30 dniach. Tę wartość można przesłonić podczas tworzenia zadania. Patrz sekcja Zarządzanie zadaniami.

Szczegóły użycia CUH

• Machine Learning obliczanie wykorzystania jest obliczane przez liczbę godzin jednostki mocy obliczeniowej (CUH) zajętych przez aktywną instancję uczenia maszynowego.
• Szybkość wykorzystania jednostek mocy obliczeniowej na godzinę jest określana przez wymagania obliczeniowe zasobów i modeli Machine Learning . Na przykład model z dużym, złożonym zestawem danych zużywa więcej zasobów szkoleniowych niż model z mniejszym, prostszym zestawem danych. Należy zauważyć, że skalowanie wdrożenia w celu obsługi większej liczby jednocześnie pracujących użytkowników i żądań zwiększa również zużycie CUH.
• Ponieważ istnieje tak wiele zmiennych, które wpływają na konsumpcję zasobów w przypadku wdrożenia, zaleca się uruchamianie testów na modelach i wdrożeniach w celu analizy zużycia CUH.
• Czas obliczeniowy jest obliczany na milisekundę. Istnieje jednak co najmniej jedna minuta dla każdej odrębnej operacji. Oznacza to, że uruchomienie szkolenia, które trwa 12 sekund, jest naliczane jako jedna minuta w kierunku limitu godzin jednostki pojemności, podczas gdy uruchomienie szkolenia, które zajmuje 83.555 sekund, jest rozliczane dokładnie tak, jak to zostało obliczone.
• Sposób, w jaki wdrożenia w trybie z połączeniem zużywają jednostki mocy obliczeniowej, jest oparte na środowisku. W przypadku niektórych środowisk opcja CUH jest naliczana przez liczbę godzin, w których zasób wdrażania jest aktywny w obszarze wdrażania. Na przykład modele SPSS w trybie wdrożenia on-line, które uruchamiają 24 godziny na dobę przez siedem dni w tygodniu, pobierają CUH i są naliczane za ten okres. Nie ma czasu bezczynności dla aktywnego wdrożenia w trybie z połączeniem. W przypadku innych środowisk, CUH jest naliczane zgodnie z czasem trwania oceny. Szczegółowe informacje na temat sposobu obliczania CUH można znaleźć w tabeli wykorzystania CUH.

Określanie, czy wdrożenie jest aktywne

Jeśli wdrożenie nie otrzyma żądań oceniania dla danego przedziału czasu, jest ono traktowane jako nieaktywne, bezczynne, a fakturowanie jest zatrzymywane dla wszystkich środowisk innych niż SPSS. Okres używany do określenia, kiedy wdrożenie jest nieaktywne, zależy od typu planu.

Zużycie CUH według wdrożenia i typu środowiska

Zużycie CUH jest obliczane przy użyciu następujących formuł:

W tych tabelach są wyświetlane jednostki mocy obliczeniowej na godzinę dla środowisk uczenia maszynowego według typu użycia.

Jednostki mocy obliczeniowej na godzinę na potrzeby szkolenia, oceny lub oceniania modeli

Liczba jednostek mocy obliczeniowej na godzinę dla eksperymentów AutoAI

Gdy dane są łączone na potrzeby eksperymentu AutoAI , jednostki mocy obliczeniowej na godzinę są obliczane w inny sposób, ponieważ dane są łączone. Gdy dane zostaną połączone, zużycie CUH przywróci do obliczeń dla eksperymentu z pojedynczym źródłem danych.

Jednostki mocy obliczeniowej na godzinę dla eksperymentów AutoAI z użyciem jednego źródła danych:

Jednostki mocy obliczeniowej na godzinę dla eksperymentów AutoAI podczas łączenia danych:

Należy zauważyć, że konsumpcja zwiększa się dla każdego dodanego wykonawcy.

Liczba jednostek mocy obliczeniowej na godzinę dla eksperymentów Decision Optimization

Te plany mają zastosowanie do eksperymentów Decision Optimization uruchamianych w produkcie Watson Studio.

Jednostki mocy obliczeniowej na godzinę dla opcji Decision Optimization w programie Watson Machine Learning

Te plany mają zastosowanie do Decision Optimization wdrożonej i uruchamianej z poziomu Watson Machine Learning.

Szczegółowe informacje na temat sposobu wykorzystania zasobów zawiera sekcja Monitorowanie wykorzystania zasobów konta .

Śledzenie zużycia CUH dla uczenia maszynowego w notatniku

Aby obliczyć liczbę godzin jednostki mocy obliczeniowej, należy użyć:

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

Na przykład:

'capacity_units': {'current': 19773430}

19773430/(3600*1000)

zwraca 5.49 CUH

Szczegółowe informacje na ten temat można znaleźć w sekcji Instancje usług w dokumentacji IBM Watson Machine Learning API .