Despliegue de funciones de Python

Puede desplegar funciones Python en watsonx.ai Runtime del mismo modo que puede desplegar modelos. Las herramientas y aplicaciones pueden utilizar el cliente watsonx.ai Python o la API REST para enviar datos a las funciones desplegadas de la misma forma que envían datos a los modelos desplegados. El despliegue de funciones de Python le ofrece la posibilidad de ocultar detalles (como las credenciales). También puede preprocesar datos antes de pasarlos a modelos. Además, puede manejar errores e incluir llamadas a varios modelos, todo dentro de la función desplegada en lugar de en la aplicación.

Cuadernos de ejemplo para crear y desplegar funciones de Python

Para obtener ejemplos de cómo crear e implementar funciones Python mediante la biblioteca cliente de Python watsonx.ai, consulte estos cuadernos de muestra que se publican en el centro de recursos:

Nombre de ejemplo Infraestructura Técnicas demostradas
Realizar pronósticos en el negocio de automóviles Hybrid(Tensorflow) Establecer una definición de IA
Preparar los datos
Crear un modelo Keras utilizando Tensorflow
Desplegar y puntuar el modelo
Definir, almacenar y desplegar una función Python
Desplegar la función Python para la especificación de software Core Crear una función Python
Crear un servicio web
Puntuar el modelo
Nota:

Puede acceder al Centro de recursos seleccionando Centro de recursos en el menú principal de navegación.

Importante:

Si su cuenta watsonx se encuentra en la región de Dallas IBM Cloud, puede seguir el enlace. Si no, busque el nombre de la muestra en el Centro de recursos. Es posible que esta muestra no esté disponible en todas las regiones o plataformas en la nube.

Los cuadernos muestran los seis pasos para crear y desplegar una función:

  1. Definir la función
  2. Autentificar y definir un espacio
  3. Almacenar la función en el repositorio
  4. Obtener la especificación de software
  5. Despliegue de la función almacenada
  6. Enviar datos a la función para su procesamiento

Para ver enlaces a otros cuadernos de muestra que utilizan el ' watsonx.ai ' biblioteca cliente Python , consulte ' Utilización de ' watsonx.ai Runtime en un cuaderno.

Aumento de la escalabilidad de una función

Cuando despliega una función desde un espacio de despliegue o de forma programada, de forma predeterminada se despliega una única copia del modelo. Para aumentar la escalabilidad, puede aumentar el número de copias (réplicas) editando la configuración del despliegue. Más réplicas permiten un mayor volumen de solicitudes de puntuación.

En el ejemplo siguiente, se utiliza la API de cliente Python para establecer el número de nodos en 3.

change_meta = {
                client.deployments.ConfigurationMetaNames.HARDWARE_SPEC: {
                                       "name":"S",
                                       "num_nodes":3}
            }

client.deployments.update(<deployment_id>, change_meta)

Más información