Exemplos de cliente Python
Você pode implantar um modelo de Decision Optimization, criar e monitorar trabalhos e obter soluções usando o cliente Python de tempo de execuçãowatsonx.ai.
Para implantar seu modelo, consulte Implantação de um modelo de Decision Optimization.
Para obter mais informações, consulte a documentaçãodo cliente Python em tempo de execuçãowatsonx.ai.
- Instale a API do cliente Python de tempo de execuçãowatsonx.ai.
- Crie uma instância do cliente
- Prepare o seu archive de modelo
- Faça upload de seu modelo.
- Crie uma implementação.
- Criar e monitorar uma tarefa com dados sequenciais para seu modelo implementado.
- Exiba a solução
- Deploying a DO model with WML
- RunDeployedModel
- ExtendWMLSoftwareSpec
O exemplo ' Deploying a DO model with WML mostra como implantar um modelo de Decision Optimization, criar e monitorar trabalhos e obter soluções usando o cliente Python de tempo de execuçãowatsonx.ai. Este notebook usa a amostra de dieta para o modelo Decision Optimization e te leva através de todo o procedimento sem usar o Decision Optimization experiência UI.
O RunDeployedModel mostra como executar tarefas e obter soluções por meio de um modelo implementado existente. Esse bloco de notas usa um modelo que é salvo para implementação de um cenário de Decision Optimization da IU do experimento .
yourpackage-1.0.4.tar.gz
yourpackage-1.0.4.zip
yourproject-1.2.3-py33-none-any.whlAssim, para um pacote denominado yourpackage-1.0.4.tgz, o código a seguir mostra como criar a extensão do pacote. Deve-se usar o mesmo nome e versão do pacote no campo NAME .meta_prop_pkg_ext = {
client.package_extensions.ConfigurationMetaNames.NAME: "yourpackage-1.0.4.tgz",
client.package_extensions.ConfigurationMetaNames.DESCRIPTION: "Pkg extension for custom lib",
client.package_extensions.ConfigurationMetaNames.TYPE: "pip_zip"
}
Também é possível localizar nas amostras vários blocos de notas para implementar vários modelos, por exemplo, modelos CPLEX, DOcplex e OPL com diferentes tipos de dados