Docs
...
Supported machine learning engines, frameworks, and models

Proveedores de aprendizaje automático soportados

Última actualización: 28 nov 2024
Proveedores de aprendizaje automático soportados

watsonx.ai Runtime y muchos proveedores de aprendizaje automático de terceros son compatibles con las evaluaciones de modelos de aprendizaje automático.

Utilice uno de estos proveedores de aprendizaje automático soportados para realizar el registro de carga útil, el registro de comentarios y para medir la precisión del rendimiento, la detección de sesgos en tiempo de ejecución, la explicabilidad y la función de eliminación automática de sesgo como parte de la evaluación del modelo.

Soporte para varios motores de aprendizaje automático

Puede aprovisionar varios motores de aprendizaje automático cuando configure evaluaciones de modelos de aprendizaje automático o utilice el SDK dePython.

Añadir proveedores para evaluaciones de modelos de aprendizaje automático

  1. En la pestaña Configurar " se muestra el icono de configuración ", haga clic en Añadir proveedor de aprendizaje automático.
  2. Seleccione el proveedor que desea añadir.
  3. Especifique la información necesaria, como las credenciales, y pulse Guardar.

Cambio o actualización de detalles para proveedores de aprendizaje automático

Haga clic en el icono ' el icono de menú de mosaico del menú de mosaico y, a continuación, en Ver y editar detalles.

Adición de proveedores de aprendizaje automático mediante el SDK de Python

Puede añadir más de un motor de aprendizaje automático para las evaluaciones de modelos utilizando el método ' wos_client.service_providers.add de la API de Python.

Tiempo de ejecución de IBM watsonx.ai

Para añadir el motor de aprendizaje automático IBM watsonx.ai Runtime, ejecute el siguiente comando:

WML_CREDENTIALS = {
                   "url": "https://us-south.ml.cloud.ibm.com",
                   "apikey": IBM CLOUD_API_KEY
}
 
wos_client.service_providers.add(
        name=SERVICE_PROVIDER_NAME,
        description=SERVICE_PROVIDER_DESCRIPTION,
        service_type=ServiceTypes.WATSON_MACHINE_LEARNING,
        deployment_space_id = WML_SPACE_ID,
        operational_space_id = "production",
        credentials=WMLCredentialsCloud(
            apikey=CLOUD_API_KEY,      ## use `apikey=IAM_TOKEN` if using IAM_TOKEN to initiate client
            url=WML_CREDENTIALS["url"],
            instance_id=None
        ),
        background_mode=False
    ).result

Microsoft Azure ML Studio

Para añadir el motor de aprendizaje automático de Azure ML Studio, ejecute el mandato siguiente:

AZURE_ENGINE_CREDENTIALS = {
    "client_id": "",
    "client_secret": "",
    "subscription_id": "",
    "tenant": ""
}
 
wos_client.service_providers.add(
        name=SERVICE_PROVIDER_NAME,
        description=SERVICE_PROVIDER_DESCRIPTION,
        service_type=ServiceTypes.AZURE_MACHINE_LEARNING,
        #deployment_space_id = WML_SPACE_ID,
        #operational_space_id = "production",
        credentials=AzureCredentials(
            subscription_id= AZURE_ENGINE_CREDENTIALS['subscription_id'],
            client_id = AZURE_ENGINE_CREDENTIALS['client_id'],
            client_secret= AZURE_ENGINE_CREDENTIALS['client_secret'],
            tenant = AZURE_ENGINE_CREDENTIALS['tenant']
        ),
        background_mode=False
    ).result

Amazon SageMaker

Para añadir el motor de aprendizaje automático de AWS Sagemaker, ejecute el mandato siguiente:

SAGEMAKER_ENGINE_CREDENTIALS = {
                   'access_key_id':””,
                   'secret_access_key':””,
                   'region': '}
 
wos_client.service_providers.add(
        name="AWS",
        description="AWS Service Provider",
        service_type=ServiceTypes.AMAZON_SAGEMAKER,
        credentials=SageMakerCredentials(
            access_key_id=SAGEMAKER_ENGINE_CREDENTIALS['access_key_id'],
            secret_access_key=SAGEMAKER_ENGINE_CREDENTIALS['secret_access_key'],
            region=SAGEMAKER_ENGINE_CREDENTIALS['region']
        ),
        background_mode=False
    ).result

Microsoft Azure ML Service

Para añadir el motor de aprendizaje automático de Azure ML Service, ejecute el mandato siguiente:

service_type = "azure_machine_learning_service"
added_service_provider_result = wos_client.service_providers.add(
        name=SERVICE_PROVIDER_NAME,
        description=SERVICE_PROVIDER_DESCRIPTION,
        service_type = service_type,
        credentials=AzureCredentials(
            subscription_id= AZURE_ENGINE_CREDENTIALS['subscription_id'],
            client_id = AZURE_ENGINE_CREDENTIALS['client_id'],
            client_secret= AZURE_ENGINE_CREDENTIALS['client_secret'],
            tenant = AZURE_ENGINE_CREDENTIALS['tenant']
        ),
        background_mode=False
    ).result

Elaboración de una lista de proveedores de aprendizaje automático

Para ver una lista de todos los enlaces, ejecute el método list:

client.service_providers.list()

Tabla 1. Enlaces de servicio
uid nombre service_type created
e88ms###-####-####-############ My Azure ML Service engine azure_machine_learning 2019-04-04T09:50:33.189Z
e88sl###-####-####-############ My Azure ML Studio engine azure_machine_learning 2019-04-04T09:50:33.186Z
e00sjl###-####-####-############ WML instance watson_machine_learning 2019-03-04T09:50:33.338Z
e43kl###-####-####-############ My AWS SageMaker engine sagemaker_machine_learning 2019-04-04T09:50:33.186Z

Para obtener información sobre los motores de aprendizaje automático específicos, consulte los temas siguientes:

Para ver un ejemplo de codificación, consulte los cuadernos de ejemplo de Watson OpenScale.

Tema principal: Evaluación de modelos de IA con Watson OpenScale