Requisitos para usar componentes personalizados com modelos de ML

Requisitos do pacote

• O tipo de pacote deve ser: distribuição de código-fonte (não há suporte para distribuições do tipo Wheel e Egg)
• O formato de arquivo do pacote deve ser: .zip
• Quaisquer dependências de terceiros para seus componentes personalizados devem ser instaláveis por pip e devem ser passadas para o argumento install_requires da função setup da biblioteca setuptools .

Consulte: Criação de uma distribuição de origem

Armazenando o seu pacote customizado

Você deve tomar medidas adicionais ao armazenar o modelo treinado no repositório watsonx.ai Runtime:

• Armazene seu pacote personalizado no repositório dowatsonx.ai Runtime (use a função ' runtimes.store_library do cliente Python do watsonx.ai ou o comando ' store libraries da CLI do watsonx.ai Runtime)
• Crie um objeto de recurso de tempo de execução que faça referência ao seu pacote personalizado armazenado e, em seguida, armazene o objeto de recurso de tempo de execução no repositório de tempo de execução watsonx.ai (use a função ' runtimes.store ou o comando ' store runtimes )
• Quando você armazenar o modelo treinado no repositório de tempo de execução watsonx.ai, faça referência ao recurso de tempo de execução armazenado nos metadados que são passados para a função ' store_model (ou o comando ' store )