Gestione di specifiche o framework software obsoleti

Utilizza queste linee guida quando aggiorni risorse che fanno riferimento a specifiche o framework software obsoleti.

In alcuni casi, l'aggiornamento delle risorse avviene in modo trasparente. In altri casi, è necessario riqualificare o ridistribuire le risorse. Per le linee guida generali, fare riferimento a Migrazione delle risorse che fanno riferimento a specifiche software obsolete o Migrazione delle risorse che fanno riferimento a versioni obsolete del framework.

Nota:

È possibile aggiungere nuovamente la specifica software Spark 3.3, ora fuori produzione, all'elenco delle specifiche software disponibili e creare risorse che rimandano ad essa. Per farlo, un amministratore deve creare un'immagine personalizzata.

Per ulteriori informazioni, consultare le sezioni seguenti:

Gestione delle risorse relative a specifiche software fuori produzione

  • Durante la migrazione, le risorse che fanno riferimento alle specifiche software obsolete vengono mappate su specifiche software predefinite compatibili (solo nei casi in cui il tipo di modello è ancora supportato).
  • Quando si creano nuove distribuzioni delle risorse migrate, nelle metadati delle risorse viene utilizzata la specifica software aggiornata.
  • Le distribuzioni esistenti delle risorse migrate vengono aggiornate per utilizzare le nuove specifiche del software. Se l'implementazione o il punteggio non vanno a buon fine a causa di incompatibilità tra le versioni del framework o della libreria, segui le istruzioni riportate nella sezione Aggiornamento delle specifiche software. Se il problema persiste, segui i passaggi elencati in Aggiornamento di un modello di apprendimento automatico.

Migrazione delle risorse che fanno riferimento a versioni obsolete del framework

  • Durante la migrazione, i tipi di modello non vengono aggiornati. È necessario aggiornare manualmente le informazioni sul tipo di modello. Per ulteriori informazioni, consulta Aggiornamento di un modello di machine learning.
  • Dopo la migrazione, le distribuzioni esistenti vengono rimosse e non sono consentite nuove distribuzioni per il framework obsoleto.

Aggiornamento delle specifiche del software

È possibile aggiornare le specifiche del software dall'interfaccia utente o utilizzando l'API. Per ulteriori informazioni, consultare le sezioni seguenti:

Aggiornamento delle specifiche software dall'interfaccia utente

  1. Dallo spazio di distribuzione, clicca sul modello (assicurati che non abbia alcuna distribuzione attiva)
  2. Clicca sul i simbolo per controllare i dettagli del modello.
  3. Utilizza l'elenco a discesa per aggiornare le specifiche del software.

Fai riferimento all'immagine di esempio:

Aggiornamento delle specifiche del software tramite l'interfaccia utente

Aggiornamento delle specifiche del software tramite l'API

È possibile aggiornare le specifiche di un software utilizzando il comando API Patch:

Per software_spec il campo, digitare /software_spec. Per value il campo, utilizzare l'ID o il nome della nuova specifica software.

Fai riferimento a questo esempio:

curl -X PATCH '<deployment endpoint url>/ml/v4/models/6f01d512-fe0f-41cd-9a52-1e200c525c84?space_id=f2ddb8ce-7b10-4846-9ab0-62454a449802&project_id=<project_id>&version=<YYYY-MM-DD>' \n--data-raw '[
   {
      "op":"replace",
      "path":"/software_spec",
      "value":{
         "id":"6f01d512-fe0f-41cd-9a52-1e200c525c84"   // or "name":"tensorflow_rt22.1-py3.9"
      }
   }
]'

Per ulteriori informazioni, vedere Aggiornamento di una risorsa utilizzando il comando Patch API.

Aggiornamento di un modello di apprendimento automatico

Segui questi passaggi per aggiornare un modello creato con un framework obsoleto.

Opzione 1: Salvare il modello con un framework compatibile

  1. Scarica il modello utilizzando l 'API Data and AI Common Core di Watson Machine Learning o la libreria client watsonx.ai Python.

    L'esempio seguente mostra come scaricare il modello:

    client.repository.download(<model-id>, filename="xyz.tar.gz")

  2. Modifica i metadati del modello con il tipo e la versione del modello supportati nella versione corrente. Per ulteriori informazioni, consultare le specifiche software e le specifiche hardware per le implementazioni.

    L'esempio seguente mostra come modificare i metadati del modello:

    model_metadata = {
   client.repository.ModelMetaNames.NAME: "example model",
   client.repository.ModelMetaNames.DESCRIPTION: "example description",
   client.repository.ModelMetaNames.TYPE: "<new model type>",
   client.repository.ModelMetaNames.SOFTWARE_SPEC_UID:
   client.software_specifications.get_uid_by_name("<new software specification name>")
}

  3. Salva il modello nel repository Watson Machine Learning. L'esempio seguente mostra come salvare il modello nel repository:

    model_details = client.repository.store_model(model="xyz.tar.gz", meta_props=model_metadata)

  4. Distribuire il modello.

  5. Valutare il modello per generare previsioni.

Se l'implementazione o il punteggio non vanno a buon fine, il modello non è compatibile con la nuova versione utilizzata per salvarlo. In questo caso, utilizzare l'opzione 2.

Opzione 2: Riqualificare il modello con un framework compatibile

  1. Riqualificare il modello con un tipo e una versione supportati nella versione corrente.
  2. Salva il modello con il tipo e la versione supportati.
  3. Distribuire e calcolare il punteggio del modello.

È anche possibile aggiornare un modello utilizzando l'API. Per ulteriori informazioni, vedere Aggiornamento di una risorsa utilizzando il comando Patch API.

Aggiornamento di una funzione dell' Python

Segui questi passaggi per aggiornare una funzione di Python creata con un framework obsoleto.

Opzione 1: salvare la funzione " Python " con un runtime compatibile o una specifica software

  1. Scarica la funzione Python utilizzando l 'API REST Watson Machine Learning o la libreria client watsonx.ai Python.
  2. Salva la funzione Python con una versione supportata di runtime o specifica software. Per ulteriori informazioni, consultare le specifiche software e le specifiche hardware per le implementazioni.
  3. Distribuisci la funzione Python.
  4. Assegna un punteggio alla funzione Python per generare previsioni.

Se la funzione Python non funziona durante il punteggio, significa che non è compatibile con la nuova versione del runtime o delle specifiche software utilizzata per salvare la funzione Python. In questo caso, utilizzare l'opzione 2.

Opzione 2: Modificare il codice funzione e salvarlo con un runtime compatibile o una specifica software

  1. Modificare il codice della funzione Python per renderlo compatibile con la nuova versione del runtime o delle specifiche software. In alcuni casi, è necessario aggiornare le librerie dipendenti installate all'interno del codice funzione dell' Python.
  2. Salvare la funzione " Python " con la nuova versione del runtime o delle specifiche software.
  3. Distribuisci e valuta la funzione Python.

È anche possibile aggiornare una funzione utilizzando l'API. Per ulteriori informazioni, vedere Aggiornamento di una risorsa utilizzando il comando Patch API.