Gerenciando especificações ou estruturas de software desatualizadas

Atualização de especificações de software da UI

1. A partir do espaço de implementação, clique no modelo (certifica-se de que ele não possui implementações ativas.)
2. Clique no símbolo i para verificar detalhes do modelo.
3. Use a lista suspensa para atualizar a especificação do software

Consulte a imagem de exemplo:

Atualização de especificações de software usando a API

Você pode atualizar uma especificação de software usando o comando API Patch:

Para o campo software_spec , digite /software_spec. Para o campo value , use o ID ou o nome da nova especificação do software.

Consulte este exemplo:

curl -X PATCH '<deployment endpoint url>/ml/v4/models/6f01d512-fe0f-41cd-9a52-1e200c525c84?space_id=f2ddb8ce-7b10-4846-9ab0-62454a449802&project_id=<project_id>&version=<YYYY-MM-DD>' \n--data-raw '[
   {
      "op":"replace",
      "path":"/software_spec",
      "value":{
         "id":"6f01d512-fe0f-41cd-9a52-1e200c525c84"   // or "name":"tensorflow_rt22.1-py3.9"
      }
   }
]'

Para obter mais informações, consulte Atualizando um ativo usando o comando da API de correção.

Opção 1: salvar o modelo com uma estrutura compatível

1. Faça o download do modelo usando o tempo de execução ' watsonx.ai ' API de núcleo comum de dados e IA ' ou o ' watsonx.ai ' biblioteca do cliente Python .

   O exemplo a seguir mostra como fazer download de seu modelo:

   client.repository.download(<model-id>, filename="xyz.tar.gz")
   

2. Edite metadados de modelo com o tipo de modelo e versão que é suportado na liberação atual. Para obter mais informações, consulte Especificações de software e especificações de hardware para implementações.

   O exemplo a seguir mostra como editar metadados de modelo:

   model_metadata = {
      client.repository.ModelMetaNames.NAME: "example model",
      client.repository.ModelMetaNames.DESCRIPTION: "example description",
      client.repository.ModelMetaNames.TYPE: "<new model type>",
      client.repository.ModelMetaNames.SOFTWARE_SPEC_UID:
      client.software_specifications.get_uid_by_name("<new software specification name>")
   }
   

3. Salve o modelo no repositório de tempo de execução watsonx.ai. O exemplo a seguir mostra como salvar o modelo no repositório:

   model_details = client.repository.store_model(model="xyz.tar.gz", meta_props=model_metadata)
   

4. Implemente o modelo.

5. Pontue o modelo para gerar previsões.

Se a implementação ou pontuação falhar, o modelo não é compatível com a nova versão que foi usada para salvar o modelo. Neste caso, use Opção 2.

Opção 2: treinar novamente o modelo com uma estrutura compatível

1. Retreinar o modelo com um tipo de modelo e versão que é suportado na versão atual.
2. Salve o modelo com a versão e o tipo suportados do modelo.
3. Implemente e pontue o modelo.

Também é possível atualizar um modelo usando a API. Para obter mais informações, consulte Atualizando um ativo usando o comando da API de correção.

Opção 1: Salvar a função Python com uma especificação de tempo de execução ou software compatível

1. Faça o download da função Python usando a API REST do tempo de execução watsonx.ai ou a biblioteca do clientePython watsonx.ai.
2. Salve a função Python com um tempo de execução ou uma versão de especificação software suportados. Para obter mais informações, consulte Especificações de software e especificações de hardware para implementações.
3. Implemente a função Python.
4. Escore a função Python para gerar predições.

Se a sua função Python falhar durante a pontuação, a função não é compatível com a nova versão de especificação de tempo de execução ou software que foi usada para salvar a função Python . Neste caso, use Opção 2.

Opção 2: modificar o código de função e salvá-lo com uma especificação de tempo de execução ou software compatível

1. Modifique o código da função Python para torná-lo compatível com a nova versão de especificação de tempo de execução ou software. Em alguns casos, você deve atualizar bibliotecas dependentes que estão instaladas dentro do código de função Python .
2. Salve a função Python com o novo tempo de execução ou nova versão de especificação software.
3. Implemente e escore a função Python.

Também é possível atualizar uma função usando a API. Para obter mais informações, consulte Atualizando um ativo usando o comando da API de correção.