Details für Machine Learning-Provider ändern oder aktualisieren

Klicken Sie auf das Symbol im Kachelmenü " und dann auf Details anzeigen und bearbeiten.

IBM watsonx.ai Laufzeit

Um die IBM watsonx.ai Runtime Machine Learning Engine hinzuzufügen, führen Sie den folgenden Befehl aus:

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

Führen Sie zum Hinzufügen der Machine Learning-Engine von Azure ML Studio den folgenden Befehl aus:

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

Führen Sie zum Hinzufügen der Machine Learning-Engine von AWS Sagemaker den folgenden Befehl aus:

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

Führen Sie zum Hinzufügen der Machine Learning-Engine von Azure ML Service den folgenden Befehl aus:

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

Liste mit Machine Learning-Providern erzeugen

Wenn Sie eine Liste aller Bindungen anzeigen möchten, führen Sie die Methode list aus:

client.service_providers.list()

Informationen zu bestimmten Machine Learning-Engines enthalten die folgenden Abschnitte:

• Angepasste Machine-Learning-Engine hinzufügen.
• Microsoft Azure Machine Learning Studio-Engine hinzufügen
• Microsoft Azure Machine Learning-Service-Engine hinzufügen
• Amazon SageMaker Machine Learning-Engine hinzufügen

Ein Codebeispiel finden Sie unter Watson OpenScale -Beispielnotebooks.

Übergeordnetes Thema: KI-Modelle mit Watson OpenScale