Entradas de métricas de datos en modalidad continua para funciones personalizadas ONNX

Cuando se crea una métrica de datos en modalidad continua que utiliza una función personalizada ONNX, se especifican algunos valores de entrada.

modelReferenceJson

Nota: A partir de Maximo® Monitor 9.1 las métricas de datos de flujo ya no están disponibles. La documentación proporcionada para las métricas de transmisión de datos se aplica únicamente a las versiones Maximo Monitor 9.0 y versiones anteriores. Prueba a utilizar métricas de datos por lotes. Para más información, consulte Creación de métricas de datos
Utilice la entrada modelReferenceJson para determinar qué instancia de modelo ONNX se ejecuta para cada entrada de métrica de datos en modalidad continua. Una única métrica de datos en streaming puede procesar sucesos para varios orígenes de entrada para una función ONNX. Seleccione la instancia de modelo ONNX según las características de los datos de entrada. Se utiliza el mismo modelo independientemente de la entrada. Utilice la entrada modelReferenceJson cuando tenga un único modelo que pueda producir inferencias significativas en diferentes dispositivos e instancias de recursos.

El valor modelReferenceJson es una lista JSON de objetos InfoSelector . Cada objeto InfoSelector especifica un type, que es el origen de los datos, y value, que son datos específicos para seleccionar de ese origen. En tiempo de ejecución, el sistema resuelve cada objeto InfoSelector en una serie y cada serie resuelta se concatena. El valor concatenado recupera una instancia de modelo ONNX que está registrada con la interconexión de métricas de datos de modalidad continua coincidiendo con el ID de instancia de modelo.

El valor modelReferenceJson debe ser literal. Por ejemplo, si el valor es [ { "type": "literal", "value": "PumpClassifier" } ], la métrica de datos en modalidad continua siempre ejecuta el modelo que está registrado con el ID de PumpClassifier .

inputToFeatureMapping

Utilice la entrada modelReferenceJson para definir la correlación entre métricas de entrada y tensores de entrada de modelo. La imagen siguiente describe la sintaxis:

El diagrama se describe en el texto circundante.

En el modelo ONNX, cada tensor de entrada debe tener una cláusula de asignación que incluya el nombre del tensor y la lista de métricas de entrada. Todos los nombres de tensor y métrica deben estar entre comillas simples. Se permiten espacios en blanco en cualquier lugar fuera de las comillas simples. El orden de la métrica de entrada es significativo. El orden de las cláusulas de asignación no es significativo.

La lista siguiente contiene ejemplos de la sintaxis:
  • Se introduce una métrica de temperatura en un tensor e rank-2 myInputTensor. El tensor utiliza un tamaño de lote de 1 y un tamaño de anchura de 1. En este ejemplo, se utiliza la sintaxis siguiente: 'myInputTensor'=('temperature')
  • Una métrica de temperatura y una métrica de humedad se introducen en un tensor rank-2 modelInput . El tensor utiliza un tamaño de lote de 1 y un tamaño de anchura de 2. En este ejemplo, se utiliza la sintaxis siguiente: 'modelInput'=('temperature', 'humidity').
  • Una métrica de temperatura y una métrica de humedad se introducen en dos tensores rank-2 , tensor1 y tensor2. Los tensores utilizan un tamaño de lote de 1 y un tamaño de anchura de 1. En este ejemplo, se utiliza la sintaxis siguiente: 'tensor1'=('temperature'), 'tensor2'=('humidity')
  • Una métrica temporal y una métrica hum se introducen en un tensor meteorológico rank-2 . El tensor utiliza un tamaño de lote de 1 y un tamaño de anchura de 2. Una métrica alt se introduce en un tensor de altitud rank-2 independiente. El tensor utiliza un tamaño de lote de 1 y un tamaño de anchura de 1. En este ejemplo, se utiliza la sintaxis siguiente: 'weather'=('temp', 'hum'), 'altitude'=('alt')

inputs

Utilice la entrada inputs para seleccionar las métricas que son entradas de la función. Asegúrese de que selecciona las métricas de entrada que se utilizan en las asignaciones de entrada de inputToFeatureMapping .

correlationWindowMillis

Utilice la entrada correlationWindowMillis para especificar la diferencia máxima en las indicaciones de fecha y hora para que las métricas de entrada sean una única entrada compuesta para la función. Si la función hace referencia a métricas que son de un único origen, no se utiliza el valor de entrada correlationWindowMillis . Añada un valor a esta entrada si el modelo ONNX hace referencia a métricas de distintos orígenes, como por ejemplo de distintos ID de suceso para el mismo tipo de dispositivo.

outputTensor1Name

Utilice la entrada outputTensor1Name para especificar el nombre del tensor de salida 1 en el modelo ONNX.

outputTensor2Name

Utilice la entrada outputTensor2Name para especificar el nombre del tensor de salida 2 en el modelo ONNX. Esta entrada sólo se utiliza para la función ONNX_2OUTPUTS .