Skonfiguruj monitory w celu oceny każdego wdrożenia modelu, który jest śledzony za pomocą narzędzia Watson OpenScale.

Udostępnianie szczegółów modelu

Podaj informacje na temat modelu, aby umożliwić użytkownikowi Watson OpenScale dostęp do bazy danych i zrozumienie sposobu, w jaki model jest skonfigurowany.

Aby skonfigurować monitory, należy podać następujące informacje w sekcji Szczegóły modelu na stronie konfiguracji modelu w produkcie Watson OpenScale:

Wejście modelu

Wybierz typ danych, które będą analizowane przez wdrożenie, oraz typ algorytmu, który zostanie użyty do zbudowania modelu.

Dane uczące

Jeśli użytkownik nie korzysta z notatnika w celu udostępnienia podsumowania danych uczących, należy wprowadzić położenie danych uczących. Określ dokładną lokalizację w bazie danych Db2 lub Cloud Object Storage , w której znajdują się dane uczących. Po wybraniu typu pamięci masowej ( Db2 lub Cloud Object Storage), należy podać następujące informacje:

• W przypadku bazy danych Db2 wprowadź następujące informacje:

  • Nazwa hosta lub adres IP, z wyjątkiem początkowego przedrostka https:// i końcowego ukośnika (/)
  • Port
  • Baza danych (nazwa)
  • Nazwa użytkownika
  • Hasło

• W polu Cloud Object Storagewprowadź następujące informacje:

  • Adres URL logowania: Adres URL logowania musi być zgodny z ustawieniem regionu zasobnika, w którym znajdują się dane uczących. Zasobnik danych uczących zostanie określony w następnym kroku.
  • Instancja zasobu (ID). Aby znaleźć identyfikator instancji zasobu, należy przejść do strony https://cloud.ibm.com/resources, rozwinąć Zasób pamięci masowej, kliknąć usługę Cloud Object Storage , a następnie kliknąć opcję Informacje autoryzacyjne usługi. Rozwiń żądaną nazwę klucza. Skopiuj wartość resource_instance_id bez cudzysłowów
  • Klucz API. Aby znaleźć klucz interfejsu API, przejdź do strony https://cloud.ibm.com/resources, rozwiń Zasób pamięci masowej, kliknij usługę Cloud Object Storage , a następnie kliknij opcję Service referencje * *. Rozwiń żądaną nazwę klucza. Skopiuj wartość parametru apikey bez cudzysłowów

Aby zapewnić poprawne połączenie, kliknij opcję Połącz , aby połączyć się z danymi uczących. Po pomyślnym nawiązaniu połączenia należy dokonać dodatkowych wyborów i zapisać swoją pracę:

• W przypadku bazy danych Db2 należy wybrać zarówno schemat, jak i tabelę szkoleniową, która zawiera kolumny oczekiwane przez model użytkownika.
• W polu Cloud Object Storagewybierz opcję Bucket and a Data Set (Zestaw danych i zestaw danych).

Transakcja modelu

Usługa Watson OpenScale automatycznie sprawdza rejestrowanie ładunku w przypadku modeli tworzonych przy użyciu produktu IBM Watson Machine Learning. W przypadku zewnętrznych dostawców uczenia maszynowego należy wysłać przykładowy ładunek, wklejając plik JSON do pola ładunku JSON lub korzystając z interfejsu API w celu wysłania żądania.

Etykieta danych uczących

Należy wybrać jedną unikalną funkcję z danych, aby służyła jako kolumna etykiety (predykcja). To jest to, co model został zaprojektowany, aby przewidzieć.

Funkcje szkoleniowe

Wybierz wszystkie składniki, które zostały użyte do uczenia modelu przed jego wdrożeniem.

Szczegóły danych wyjściowych modelu

Wybierz szczegóły wyników modelu i zapisz pracę. W szczególności należy wybrać kolumnę predykcji oraz kolumnę prawdopodobieństwa predykcji. Watson OpenScale może wykryć te wartości dla użytkownika.

Dane numeryczne/kategorialne

W przypadku danych liczbowych lub danych jakościowych należy podać informacje na temat danych uczących dla modelu w celu skonfigurowania monitorów.

• Ręcznie skonfiguruj monitory -wymaga podania informacji o połączeniu z danymi szkoleniowym.

  Format danych uczących musi być zgodny z modelem. Na przykład, jeśli model spodziewa się M i F dla składnika Gender, dane uczących powinny mieć M i F, a nie Male i Female. Podobnie, jeśli kolumna opcji jest oznaczona jako numeryczna, kolumna ta powinna być numeryczna w modelu podczas szkolenia modelowego. Jeśli kolumna opcji jest identyfikowana jako liczbowa, a w modelu podczas szkolenia modelu używana jest ta kolumna jako jakościowa, należy zaktualizować kolumnę, aby była jakościowa.

  Usługa Watson OpenScale obsługuje następujące lokalizacje: Db2 lub Cloud Object Storage :

  • Określ położenie ( Db2 lub Cloud Object Storage), a następnie:
    • W przypadku bazy danych Db2 wprowadź następujące informacje:
      • Nazwa hosta lub adres IP
      • Port
      • Baza danych (nazwa)
      • Nazwa użytkownika
      • Hasło
    • W polu Cloud Object Storagewprowadź następujące informacje:
      • Adres URL logowania: Adres URL logowania musi być zgodny z ustawieniem regionu zasobnika, w którym znajdują się dane uczących. Zasobnik danych uczących zostanie określony w następnym kroku.
      • Instancja zasobu (ID)
      • Klucz API
  • Aby zapewnić poprawne połączenie, kliknij przycisk Testuj , aby połączyć się z danymi uczących.
  • Określ dokładną lokalizację w bazie danych Db2 lub Cloud Object Storage , w której znajdują się dane uczących.
    • W przypadku bazy danych Db2 należy wybrać zarówno schemat, jak i tabelę szkoleniową, która zawiera kolumny oczekiwane przez model użytkownika.
    • W polu Cloud Object Storagewybierz opcję Bucket and a Data Set (Zestaw danych i zestaw danych).

• Prześlij plik dystrybucji danych szkoleniowych -wybierz tę opcję, jeśli użytkownik chce zachować prywatne dane treningowe. Można użyć niestandardowego notatnika Python , aby udostępnić Watson OpenScale informacje do analizy danych treningowych bez zapewnienia dostępu do samych danych szkoleniowych.

  Uruchomienie notatnika Python umożliwia przechwytywanie odrębnych wartości w kolumnach schematu, a także nazw kolumn. Dodatkowo można użyć notatnika, aby wstępnie skonfigurować monitor Fairness.

• Pobierz niestandardowy notatniki zastąp wszystkie referencje własnymi informacjami autoryzacyjnymi.
• Należy uważnie zapoznać się z notatnikiem, podając odpowiednie dane dla modelu. Zapisz notatnik.
• Uruchom notatnik, aby wygenerować plik konfiguracyjny w formacie JSON.
• Prześlij plik konfiguracyjny JSON.

• Usługa Watson OpenScale umożliwia zlokalizowanie danych treningowych z metadanych zapisanych w modelu w produkcie IBM Watson Machine Learning.
• Wybierz kolumny używane do uczenia modelu-są to funkcje, których wdrożenie modelu oczekuje w żądaniu. Nie wybieraj kolumny etykiety (predykcji).
• Jako kolumnę predykcji można wybrać kolumnę łańcuchową lub kolumnę numeryczną.

Obrazy i tekst nieustrukturyzowany

• Obrazy

  W przypadku modeli, które akceptują obrazy jako dane wejściowe, obraz musi być przedstawiony jako (wysokość) x (szerokość) x (# kanały) format, gdzie każdy punkt reprezentuje wartości monochromatyczne lub RGB dla każdego piksela.

• Tekst nieustrukturyzowany

  W przypadku modeli, które akceptują tekst jako dane wejściowe, należy zauważyć, że model akceptuje cały tekst, a nie w postaci wektoryzowanej reprezentacji tekstu.

Charakterystyki bezstronności i dryftu nie są obsługiwane w przypadku typów danych nieustrukturyzowanych (obrazowych lub tekstowych).

Przejrzyj i zapisz konfigurację

Zapisz pracę i przejrzyj podsumowanie wyboru, aby kontynuować.

Dalsze kroki

Aby kontynuować konfigurowanie monitorów, kliknij kartę Quality (Jakość) i kliknij ikonę Edit (Edytuj). Więcej informacji na ten temat zawiera sekcja Konfigurowanie monitora jakości.

Zapoznaj się z przykładowymi plikami ładunku.

Temat nadrzędny: Watson OpenScale