Requisitos para utilizar componentes personalizados con modelos de aprendizaje automático

Puedes definir tus propios transformadores, estimadores, funciones, clases y operaciones tensoriales en los modelos que implementes en IBM Watson Machine Learning como implementaciones en línea.

Definición y uso de componentes personalizados

Para utilizar componentes personalizados con tus modelos, debes incluirlos en un paquete de distribución de « Python ».

Requisitos del paquete

  • El tipo de paquete debe ser: distribución fuente (no se admiten distribuciones de tipo Wheel ni Egg)
  • El formato del archivo del paquete debe ser: .zip
  • Cualquier dependencia de terceros para tus componentes personalizados debe poder instalarse mediante pip y debe pasarse al install_requires argumento de la setup función de la setuptools biblioteca.

Consulte: Creación de una distribución de código fuente

Infraestructuras soportadas

Estos marcos admiten componentes personalizados:

  • Scikit-learn
  • XGBoost
  • Tensorflow
  • Funciones de Python
  • Scripts de Python
  • Decision Optimization

Para obtener más información, consulte «Marcos compatibles».