Python 関数のデプロイ

モデルをデプロイするのと同じ方法で、watsonx.aiRuntime にPython関数をデプロイできます。 ツールおよびアプリは、 watsonx.ai Python クライアントまたは REST API を使用して、デプロイされたモデルにデータを送信するのと同じ方法で、デプロイされた関数にデータを送信することができます。 Python 関数をデプロイすると、詳細 (資格情報など) を非表示にすることができます。 また、データをモデルに渡す前に前処理することもできます。 さらに、エラーを処理し、複数のモデルへの呼び出しを組み込むことができます。これらの呼び出しはすべて、アプリケーション内ではなく、デプロイされた関数内にあります。

Python 関数を作成およびデプロイするためのサンプル・ノートブック

watsonx.ai Python クライアント・ライブラリを使用した Python 関数の作成とデプロイ方法の例については、Resource hub で公開されているサンプル・ノートブックを参照してください：

サンプル名 フレームワーク 例示される手法
自動車のビジネスを予測する ハイブリッド (Tensorflow) AI 定義の設定
データの準備
Keras Tensorflow を使ってモデルを作成
モデルのデプロイとスコアリング
関数の定義、保存、デプロイ Python
ソフトウェア仕様の Python 機能をデプロイする コア Python 関数を作成する
Web サービスを作成する
モデルをスコアする
注:

メインナビゲーションメニューからリソースハブを選択すると、リソースハブにアクセスできます。

重要:

あなたの watsonx アカウントがダラス IBM Cloud 地域にある場合は、リンクをたどってください。 それ以外の場合は、リソースハブでサンプル名を検索してください。 このサンプルは、地域やクラウドプラットフォームによってはご利用いただけない場合があります。

これらのノートブックでは、関数を作成およびデプロイするための以下の 6 つのステップを示しています。

  1. 関数を定義する
  2. スペースの認証と定義
  3. 関数をリポジトリに保存する
  4. ソフトウェア仕様の取得
  5. ストアド関数を展開する
  6. 処理するためにデータを関数に送る

watsonx.ai Pythonクライアント・ライブラリを使用した他のサンプル・ノートブックへのリンクは、ノートブックwatsonx.aiランタイムを使用するで を参照してください。

関数のスケーラビリティーの強化

デプロイメント・スペースから関数をデプロイする場合、またはプログラムで関数をデプロイする場合、デフォルトでは関数の単一のコピーがデプロイされます。 スケーラビリティーを強化するため、デプロイメントの構成を編集してレプリカの数を増やすことができます。 レプリカの数を増やすと、スコアリング要求の数を増やすことができます。

Python クライアント API を使用してレプリカの数を 3 に設定する例を以下に示します。

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

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

もっと見る

  • デプロイ可能な Python 関数の定義について詳しくは、 デプロイ可能な Python 関数の作成および保管の「 デプロイ可能な関数の一般要件 」セクションを参照してください。
  • ユーザー・インターフェースを使用して、デプロイメント・スペースから関数をデプロイできます。 詳しくは、Deployment spaces を参照してください。
  • AIのユースケースにおいて、 Python 関数を追跡できます。 詳細については、 Python 関数の追跡を参照してください