Teste de serviços de IA

Depois de criar o seu serviço de IA, você pode testar a lógica de codificação do seu serviço de IA usando a biblioteca de clientes watsonx.ai Python.

Teste de serviços de IA com a biblioteca de clientes Python

Para testar a lógica do seu serviço de IA localmente usando a classe " RuntimeContext da biblioteca do cliente watsonx.ai Python, siga estas etapas:

  1. Use a classe " RuntimeContext da biblioteca de clientes Python para testar seu serviço de IA localmente:

    from ibm_watsonx_ai.deployments import RuntimeContext
    
    context = RuntimeContext(
        api_client=client, request_payload_json={}
    )
    
    # custom is optional argument which is specified during the time of creation of deployment
    custom_object = {"space_id": space_id}
    
    generate, generate_stream, generate_batch = basic_generate_demo(context, **custom_object)
    
    

    Para obter mais informações, consulte ' documentação da biblioteca do cliente watsonx.ai ' Python para usar ' RuntimeContext para serviços de IA.

  2. Dependendo do seu caso de uso, você pode testar as funções ' generate(), ' generate_stream() ou ' generate_batch() da seguinte forma:

    • Para testar a função generate():

      context.request_payload_json = { "test": "ai_service inference payload"}
      print(generate(context))
      
    • Para testar a função generate_stream():

      context.request_payload_json = {"sse": ["ai_service_stream", "inference", "test"]}
      for data in generate_stream(context):
          print(data)
      
    • Para testar a função generate_batch():

      input_data_references = [
          {
              "type": "connection_asset",
              "connection": {"id": "2d07a6b4-8fa9-43ab-91c8-befcd9dab8d2"},
              "location": {
                  "bucket": "wml-v4-fvt-batch-pytorch-connection-input",
                  "file_name": "testing-123",
              },
          }
      ]
      output_data_reference = {
          "type": "data_asset",
          "location": {"name": "nb-pytorch_output.zip"},
      }
      
      generate_batch(input_data_references, output_data_reference)
      

Saiba mais

Tópico principal: Implementação de serviços de IA com codificação direta