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

Provider di machine learning supportati

Ultimo aggiornamento: 28 nov 2024
Provider di machine learning supportati

per la valutazione dei modelli di apprendimento automatico sono supportati watsonx.ai Runtime e molti fornitori di apprendimento automatico di terze parti.

Utilizzare uno di questi provider di machine learning supportati per eseguire la registrazione del payload, la registrazione del feedback e per misurare l'accuratezza delle prestazioni, il rilevamento della distorsione del runtime, l'esplicabilità e la funzione di annullamento della distorsione automatico come parte della valutazione del modello.

Supporto per più motori di machine learning

È possibile fornire più motori di apprendimento automatico quando si configurano valutazioni di modelli di apprendimento automatico o si utilizza l'SDKPython.

Aggiunta di fornitori per le valutazioni dei modelli di apprendimento automatico

  1. Dalla scheda Configura 'Viene visualizzata l'icona di configurazione, fare clic su Aggiungi provider di apprendimento automatico.
  2. Selezionare il provider che si desidera aggiungere.
  3. Immettere le informazioni richieste, come le credenziali, e fare clic su Salva.

Modifica o aggiornamento dei dettagli per i provider di machine learning

Fare clic sull'icona del menu a piastrelle " l'icona del menu affianca e poi su Visualizza e modifica i dettagli.

Aggiunta di provider di machine learning utilizzando l'SDK Python

È possibile aggiungere più di un motore di apprendimento automatico per la valutazione dei modelli utilizzando il metodo 'wos_client.service_providers.add dell'API Python.

Runtime IBM watsonx.ai

Per aggiungere il motore di apprendimento automatico IBM watsonx.ai Runtime, eseguire il seguente 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

Per aggiungere il motore di machine learning Azure ML Studio, eseguire il seguente comando:

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

Per aggiungere il motore di machine learning Sagemaker AWS , eseguire il seguente comando:

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

Per aggiungere il motore di machine learning Azure ML Service, eseguire il seguente comando:

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

Produzione di un elenco di provider di machine learning

Per visualizzare un elenco di tutti i collegamenti, eseguire il metodo list:

client.service_providers.list()

Tabella 1. Binding del servizio
uid nome tipo_servizio creazione eseguita
e88ms###-####-####-############ motore Azure ML Service azure_machine_learning 2019-04-04T09:50:33.189Z
e88sl###-####-####-############ motore Azure ML Studio azure_machine_learning 2019-04-04T09:50:33.186Z
e00sjl###-####-####-############ istanza WML watson_machine_learning 2019-03-04T09:50:33.338Z
e43kl###-####-####-############ motore AWS SageMaker sagemaker_machine_learning 2019-04-04T09:50:33.186Z

Per informazioni su specifici motori di machine learning, consultare i seguenti argomenti:

Per un esempio di codifica, vedi i notebook di esempio Watson OpenScale.

Argomento principale: Valutazione dei modelli AI con Watson OpenScale