Implementazione di un modello di Decision Optimization

Per distribuire un modello di Decision Optimization, creare un modello pronto per la distribuzione nel proprio spazio di distribuzione e quindi caricare il modello come archivio. Una volta distribuiti, è possibile inviare lavori al modello e monitorare gli stati dei lavori.

Per distribuire un modello Decision Optimization :

1. Impacchetta il tuo modello Decision Optimization con i tuoi dati comuni (facoltativi) pronti per la distribuzione come file tar.gz, .zipo .jar .
   L'archivio può includere i seguenti file facoltativi:

   1. File di modello personali

      Per i modelli Python o OPL, questi file contengono solitamente la formulazione del modello. Tuttavia, si può anche scegliere di omettere questi file, soprattutto quando il modello e i dati sono integrati nello stesso file. Ad esempio, per i modelli in formato CPLEX (file.lp ), CPO (file.cpo ) e 'mps, per evitare di risolvere la stessa modalità, è possibile inviare questi file più avanti nel lavoro.

   2. File di impostazione

      Per ulteriori informazioni, vedere Parametri di esecuzione (Decision Optimization).

   3. Dati master

      Questi file contengono tutti i dati che possono essere riutilizzati da tutti i lavori. L'inclusione di questi file di dati può rendere più efficienti i lavori di distribuzione. Ad esempio, è possibile includere un file di dati per valori che rimangono costanti, come le distanze tra le città. È possibile includere questo file di dati nell'installazione client, in modo da fornirlo una sola volta e non ad ogni richiesta di lavoro.

   Nota: per modelli Python con più file .py , inserire tutti i file nella stessa cartella nel proprio archivio. La stessa cartella deve contenere un file principale denominato main.py. Non utilizzare sottocartelle.
2. Crea un modello pronto per la distribuzione in Watson Machine Learning fornendo le seguenti informazioni:
   • Istanza dello spazio di distribuzione
   • la specifica hardware per le dimensioni di configurazione disponibili (S piccolo, M medio, L grande, XL molto grande). Vedere configurazioni.
   • la versione runtime 'specifiche del software (Decision Optimization ):
     • Il runtime di do_22.2 si basa su CPLEX 22.2
     • Il runtime di do_22.1 si basa su CPLEX 22.1 (Il runtime di do_20.1 è deprecato e verrà presto rimosso.)

     È possibile estendere la specifica software fornita da Watson Machine Learning. Vedere il quaderno 'ExtendWMLSoftwareSpec nella cartella 'jupyter dei campioni DO. Selezionare la sottocartella relativa al prodotto e alla versione. Per watsonx on-premises, utilizzare gli esempi presenti nella sottocartella Cloud Pak for Data v5.4.x

     Aggiornamento dei runtime CPLEX:

     Se hai già distribuito il tuo modello con un runtime CPLEX non più supportato, puoi aggiornare il tuo modello distribuito esistente utilizzando l' API REST o la IU.

   • il tipo modello:
     • opl (do-opl_ <versione runtime>)
     • cplex (do-cplex_ <versione runtime>)
     • cpo (do-cpo_ <versione runtime)
     • docplex (do-docplex_< versione runtime >) utilizzando Python3.12 o 3.11 (obsoleto)

     (La versione del runtime può essere una delle versioni disponibili su Decision Optimization; pertanto, ad esempio, un modello OPL con runtime 22.2 avrebbe come tipo di modello do-opl_22.2.)

3. Carica il tuo archivio di modelli (filetar.gz,.zipo .jar ) su Watson Machine Learning. Per informazioni sui tipi di file di input, consultare la sezione "Formati dei file di dati di input e output dei modelli" all'indirizzo Decision Optimization.
   Si ottiene un modello - URL. Il vostro Watson Machine Learning può essere utilizzato in una o più distribuzioni.
4. Distribuire il modello utilizzando MODEL-ID, SPACE-ID e le specifiche hardware per le dimensioni di configurazione disponibili (small S, medium M, large L, extra large XL). Vedere le configurazioni. Si può anche specificare il numero di nodi da utilizzare (il valore predefinito è 1).
   Ottieni un id distribuzione.
5. Monitora la distribuzione utilizzando deployment - id. Gli stati di distribuzione possono essere: initializing, updating, readyo failed.