Aspectos a tener en cuenta para actualizar Watson Machine Learning y watsonx.ai

Estos puntos recogen consideraciones para la actualización e información sobre cómo trabajar con activos espaciales tras actualizar desde una versión anterior de « Cloud Pak for Data ».

Elige la categoría que mejor se adapte a tu caso de uso.

Aspectos a tener en cuenta antes de actualizar a « watsonx.ai »

  • Como parte del proceso de actualización, primero se crea la nueva imagen de implementación y, a continuación, se liberan los recursos asignados a la implementación original. Para realizar una actualización sin interrupciones de tus implementaciones de modelos de base personalizados, asegúrate de que tu clúster disponga de capacidad adicional de GPU para gestionar temporalmente tanto la implementación actualizada como la original.

    Si no dispones de capacidad adicional de GPU, reduce la implementación original a 0 réplicas antes de iniciar la actualización para liberar recursos y garantizar una actualización sin interrupciones. Para obtener más información, consulta «Ampliar una implementación ».

  • Si actualizas de la versión Cloud Pak for Data 4.8.x a la versión Cloud Pak for Data 5.0.x, el proceso de actualización provocará interrupciones. Como parte de la actualización, los ensamblados de tiempo de ejecución de las implementaciones de modelos base personalizados en la pila de IA de Red Hat OpenShift se eliminarán y volverán a crearse; por lo tanto, el proceso de actualización para implementar modelos base personalizados causará interrupciones.

  • Para actualizar correctamente las implementaciones de modelos base personalizados, debe actualizar todos los operadores instalados, incluidos «Common Core Services», « Watson Machine Learning », « watsonx.ai » y el modelo base de inferencia « watsonx.ai » (operador watsonxaiifm), a la versión de « Cloud Pak for Data » a la que vaya a actualizar.

Aspectos a tener en cuenta tras actualizar a « Watson Machine Learning »

Tras la actualización:

  • Todos tus recursos de « Watson Machine Learning », incluidos los modelos, los recursos de datos y las aplicaciones, que hayas creado en la versión anterior están disponibles.

  • El panel de control de implementaciones no muestra los metadatos de ejecución en las visualizaciones. Por ejemplo, el gráfico de ejecuciones finalizadas no muestra el tipo de ejecución, como data refinery, en la visualización. En el caso de las carreras generadas tras la actualización, las etiquetas se mostrarán correctamente.

  • Si tienes imágenes personalizadas que se crearon antes del lanzamiento de « 4.0.6 », debes volver a generarlas utilizando las nuevas imágenes base publicadas en la versión actual.

  • Debido a un cambio en la especificación de software predeterminada utilizada para entrenar los experimentos de series temporales de AutoAI, debes volver a entrenar el experimento y, a continuación, crear una nueva implementación del modelo resultante.

  • La API de « Watson Machine Learning » está disponible en nuevos puntos de acceso, tal y como se indica en la documentación de la API.

  • Puedes actualizar el código de tus recursos. Por ejemplo, si te aparece este error al ejecutar un cuaderno ya existente:

    WMLClientError: 'project' (MetaNames.PROJECT_UID) and 'space' (MetaNames.SPACE_UID) meta names are deprecated and considered as invalid. Instead, use client.set.default_space(<SPACE_GUID>) to set the space or client.set.default_project(<PROJECT_GUID>).

    A continuación, elimina client.repository.ModelMetaNames.SPACE_UID:space_id de los metadatos y utiliza client.set.default_space('<SPACE_GUID>') o client.set.default_project('<PROJECT_GUID>'). Para obtener más información, consulta la documentación de la API de Watson Machine Learning y la documentación de la biblioteca de cliente de Python.

  • Las implementaciones existentes basadas en marcos de trabajo que ya no se mantienen no están disponibles.

  • Puedes implementar recursos basados en marcos obsoletos.

  • Se conservan los trabajos de la plataforma asociados a implementaciones que dejan de estar disponibles tras la actualización.

Notas:

  • Para obtener más información sobre los marcos obsoletos y descatalogados, así como sobre cómo migrar a un marco compatible, consulta la sección «Marcos compatibles ».
  • Si utilizas API para actualizar recursos de Watson Machine Learning, asegúrate de utilizar únicamente llamadas a la API de Watson Machine Learning.