Watson Machine Learning planları ve bilgi işlem kullanımı

Devreye alma işleri için sınırlar ve varsayılan değerler (Watson Machine Learning)

Watson Machine Learning places limits on the number of konuşlandırma işleri retained for each single konuşlandırma alanı. Daha da önemlisi, bu güncelleştirmeyle, bilgilerinizin hiçbiri kaybolmayacak, ancak devreye alma işlerini çalıştırırken kullanıcı deneyiminiz değişmeye gereksinim duyabilir.

Sınırınızı aşarsanız, var olan işleri silinceye ya da planınızı yükseltmeden yeni konuşlandırma işleri oluşturamazsınız. Yeni otomasyon, plan sınırları içinde kalmanıza yardımcı olur. Varsayılan olarak, iş meta verileri 30 gün sonra otomatik olarak silinecektir. Bir iş yaratırken bu değeri geçersiz kılabilirsiniz. Bkz. İşlerin yönetilmesi.

CUH kullanım ayrıntıları

• Machine Learning bilgi işlem kullanımı, etkin bir makine öğrenimi eşgörünümü tarafından tüketilen kapasite birimi saat sayısı (CUH) tarafından hesaplanır.
• Tüketilen saat başına kapasite birimi oranı, Machine Learning varlıklarınızın ve modellerinizin bilgi işlem gereksinimleriyle belirlenir. Örneğin, büyük ve karmaşık bir veri kümesine sahip bir model, daha küçük ve daha basit bir veri kümesine sahip bir modelden daha fazla eğitim kaynağı tüketecektir. Daha fazla koşutzamanlı kullanıcı ve isteği desteklemek için bir devreye alma işlemi ölçeklendirmenin CUH tüketimini de artırdığını unutmayın.
• Bir devreye alma için kaynak tüketimini etkileyen çok fazla değişken olduğundan, CUH tüketimini analiz etmek için modelleriniz ve devreye alımlarınız üzerinde testler yapmanızı öneriyoruz.
• Bilgi işlem süresi milisaniye olarak hesaplanır. Ancak, her ayırma işlemi için bir dakikalık bir alt sınır vardır. Yani, 12 saniye süren bir eğitim çalışması kapasite birim saat kotasına bir dakika olarak faturalandırılırken, 83.555 saniye süren bir eğitim çalışması tam olarak hesaplandığı şekilde faturalanır.
• Çevrimiçi konuşlandırmaların kapasite birimlerini tüketme şekli çerçeveye dayalıdır. Bazı çerçeveler için, konuşlandırma alanının bir konuşlandırma alanında etkin olduğu saat sayısı için CUH ücretlendirilir. Örneğin, haftada yedi gün boyunca günde 24 saat çalışan çevrimiçi konuşlandırma kipinde SPSS modelleri CUH ' yi tüketir ve bu süre için ücretlendirilir. Etkin bir çevrimiçi konuşlandırma için boşta durma süresi yok. Diğer çerçeveler için CUH, puanlama süresine göre ücretlendirilir. CUH ' un nasıl hesaplansa ile ilgili ayrıntılar için CUH tüketim tablosuna bakın.

Konuşlandırmanın etkin olup olmadığını belirleme

Bir devreye alma, belirli bir süre için puanlama isteklerini alamazsa, bu, SPSSdışındaki tüm çerçeveler için etkin olmayan, boşta durma ve faturalama durakları olarak işlenir. Bir devreye almanın etkinlik dışı durumunu belirlemek için kullanılan dönem, plan tipine bağlıdır.

Devreye alma ve çerçeve tipine göre CUH tüketimi

CH tüketimi bu formüller kullanılarak hesaplanır:

Bu çizelgeler, kullanım tipine göre, makine öğrenimi ortamları için saat başına kapasite birimini gösterir.

Eğitim, değerlendirme ya da puanlama modelleri için saat başına kapasite birimi

AutoAI deneylerine ilişkin saat başına kapasite birimleri

Bir AutoAI deneyi için veriler birleştirildiğinde, veri birleştirildiği için saat başına kapasite birimleri farklı şekilde hesaplanır. Veriler birleştirildikten sonra, CUH tüketimi tek bir veri kaynağı olan bir deneyle ilgili hesaplamalara geri döner.

Tek bir veri kaynağı kullanan AutoAI deneyleri için saat başına kapasite birimi:

Veri birleştirilirken AutoAI deneylerine ilişkin saat başına kapasite birimi:

Eklediğiniz her yürütücü için tüketim artışlarına dikkat edin.

Decision Optimization deneyleri için saat başına kapasite birimleri

Bu planlar, Watson Studio' da çalıştırılan Decision Optimization deneyleri için geçerlidir.

Watson Machine Learning' de Decision Optimization için saat başına kapasite birimi

These plans apply to Decision Optimization deployed and run from Watson Machine Learning.

Kaynakların nasıl tüketilmesiyle ilgili ayrıntılar için Hesap kaynağı kullanımının izlenmesibaşlıklı konuya bakın.

Not defterinde makine öğrenimi için CUH tüketimini izleyin

Kapasite birim saatlerini hesaplamak için şunu kullanın:

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

Örneğin:

'capacity_units': {'current': 19773430}

19773430/(3600*1000)

5.49 CH değerini döndürür

Ayrıntılar için IBM Watson Machine Learning API 'si belgelerinin Service Instances (Hizmet Eşgörünümleri) bölümüne bakın.