Python 함수 배치

모델을 배치하는 것과 동일한 방식으로 Watson Machine Learning에서 Python 함수를 배치할 수 있습니다. 도구 및 앱은 watsonx.ai Python 클라이언트 또는 REST API를 사용하여 배치된 모델에 데이터를 전송하는 것과 동일한 방식으로 배치된 함수에 데이터를 전송할 수 있습니다. Python 함수를 배치하면 세부사항 (예: 신임 정보) 을 숨길 수 있습니다. 모델에 전달하기 전에 데이터를 사전 처리할 수도 있습니다. 또한 오류를 처리하고 여러 모델에 대한 호출을 애플리케이션 대신 배치된 함수 내에 포함시킬 수 있습니다.

Python 함수 작성 및 배치를 위한 샘플 노트북

watsonx.ai Python 클라이언트 라이브러리를 사용하여 Python 함수를 만들고 배포하는 방법에 대한 예제는 Github에 게시된 이 샘플 노트북을 참조하세요:

샘플 이름	프레임워크	시연되는 기술
소프트웨어 스펙에 대한 Python 기능 배치	코어	Python 함수 작성 웹 서비스 작성 모델 점수

노트북은 함수 작성 및 배치를 위한 6단계를 나타냅니다.

함수 정의
스페이스 인증 및 정의
저장소에 함수 저장
소프트웨어 스펙 얻기
저장된 함수 배포
처리를 위해 함수에 데이터 보내기

watsonx.ai Python 클라이언트 라이브러리를 사용하는 다른 샘플 노트북에 대한 링크는 노트북에서 Watson Machine Learning 사용을 참조하십시오.

함수를 위해 확장성 증가

배치 영역에서 또는 프로그래밍 방식으로 함수를 배치하면 함수의 단일 사본이 기본적으로 배치됩니다. 확장성을 증가시키려면 배치의 구성을 편집하여 복제본의 수를 늘릴 수 있습니다. 더 많은 복제본은 더 큰 볼륨의 스코어링 요청을 허용합니다.

다음 예는 복제본의 수를 3으로 설정하기 위해 Python 클라이언트 API를 사용합니다.

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

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

자세히 보기

배치 가능한 Python 함수 정의에 대해 자세히 알아보려면 배치 가능한 Python 함수 작성 및 저장의 배치 가능한 함수에 대한 일반 요구사항 절을 참조하십시오.
사용자 인터페이스를 통해 배치 공간에서 기능을 배치할 수 있습니다. 자세한 정보는 배치 영역을 참조하십시오.
Python 함수를 사용하여 자연어 처리 모델을 배치할 수 있습니다. 자세한 정보는 자연어 처리 모델 배치를 참조하십시오.
Python 의 기능을 AI 사용 사례에서 추적할 수 있습니다. 자세한 내용은 추적 Python 함수를 참조하십시오