Especificações de software suportadas

No IBM watsonx.ai Runtime, você pode usar ferramentas, bibliotecas e estruturas populares para treinar e implementar modelos e funções de aprendizado de máquina. O ambiente para esses modelos e funções é composto por especificações específicas de hardware e software.

As especificações de software definem o idioma e a versão usados para um modelo ou função. É possível usar as especificações de software para configurar o software usado para executar seus modelos e funções. Ao usar especificações de software, você pode definir com precisão a versão do software a ser usada e incluir suas próprias extensões (por exemplo, usando arquivos.yml do conda ou bibliotecas personalizadas).

É possível obter uma lista de especificações de software e hardware disponíveis e, em seguida, usar seus nomes e IDs para uso com sua implementação.. Para obter mais informações, consulte ClientePython ou API de núcleo comum de dados e IA.

Especificações de software suportadas para estruturas de aprendizado de máquina

É possível usar ferramentas, bibliotecas e estruturas populares para treinar e implementar modelos e funções de machine learning.

Esta tabela lista os tipos de modelo predefinidos (base) e as especificações de software

Observação: O serviço “ 24.1 ” está disponível apenas nas regiões de Dallas e Londres e está previsto para ser descontinuado em 20 de agosto de 2026. Se você estiver usando o Runtime 24.1, atualize para o Runtime 25.1.

As especificações de software obsoletas estão marcadas com D.

Lista de tipos de modelo e especificações de software predefinidos (base)
Estrutura	Versões	Tipo de modelo	Especificação de software
Decision Optimization	20.1	`do-docplex_20.1` `do-opl_20.1` `do-cplex_20.1` `do-cpo_20.1`	`do_20.1`
Decision Optimization	22.1	`do-docplex_22.1` `do-opl_22.1` `do-cplex_22.1` `do-cpo_22.1`	`do_22.1`
Decision Optimization	22.2	`do-docplex_22.2` `do-opl_22.2` `do-cplex_22.2` `do-cpo_22.2`	`do_22.2`
onnx ou onnxruntime	1.16	`onnxruntime_1.16`	`onnxruntime_opset_19`
onnx ou onnxruntime	1.17	`onnxruntime_1.17`	`onnxruntime_opset_21`
PMML	3.0 para 4.3	`pmml_.` (OR) `pmml_..*3.0 - 4.3`	`pmml-3.0_4.3`
PyTorch	2.1	`pytorch-onnx_2.1` `pytorch-onnx_rt24.1`	`runtime-24.1-py3.11` `pytorch-onnx_rt24.1-py3.11` `pytorch-onnx_rt24.1-py3.11-edt` `pytorch-onnx_rt24.1-py3.11-dist`
Pytorch	2.1	`onnxruntime_1.17`	`onnxruntime_opset_21`
Funções Python	NA	NA	`runtime-24.1-py3.11`
Funções Python	NA	NA	`runtime-25.1-py3.12`
Scripts Python	NA	NA	`runtime-24.1-py3.11`
Scripts Python	NA	NA	`runtime-25.1-py3.12`
Scikit-learn	1.3	`scikit-learn_1.3`	`runtime-24.1-py3.11`
Scikit-learn	1.6	`scikit-learn_1.6`	`runtime-25.1-py3.12`
Spark	3.4	`mllib_3.4`	`spark-mllib_3.4`
Spark	3.5	`mllib_3.5`	`spark-mllib_3.5`
SPSS	18.2	`spss-modeler_18.2`	`spss-modeler_18.2`
Tensorflow	2.14	`tensorflow_2.14` `tensorflow_rt24.1`	`runtime-24.1-py3.11` `tensorflow_rt24.1-py3.11-dist` `tensorflow_rt24.1-py3.11-edt` `tensorflow_rt24.1-py3.11`
Tensorflow	2.18	`tensorflow_2.18` `tensorflow_rt25.1`	`runtime-25.1-py3.12` `tensorflow_rt25.1-py3.12`
XGBoost	2.0	`xgboost_2.0` ou `scikit-learn_1.3`	`runtime-24.1-py3.11`
XGBoost	2.1	`xgboost_2.1` ou `scikit-learn_1.6`	`runtime-25.1-py3.12`

Tipos de modelos suportados e especificações de software para modelos híbridos

Os seguintes tipos de modelos e especificações de software são compatíveis com os modelos híbridos:

Lista de tipos de modelos suportados e especificações de software para modelos híbridos
Estrutura	Versões	Tipo de modelo	Padrão Especificação do software	Especificação de software de pipeline
Híbrido	0.1	`wml-hybrid_0.1`	`hybrid_0.1`	`autoai-kb_rt25.1-py3.12` `autoai-ts_rt25.1-py3.12`
Híbrido	0.1	`wml-hybrid_0.1`	`hybrid_0.1`	`autoai-kb_rt24.1-py3.11` `autoai-ts_rt24.1-py3.11`

Especificações de software compatíveis para implantação de modelos de NLP

Aqui está a lista de especificações de software compatíveis para a implantação de modelos de NLP:

Especificações de software compatíveis para implantação de modelos de NLP
Especificação de software	Versão do Python	Tempos de execução suportados
`runtime-25.1-py3.12`	3.12	Função de IA, Serviço de IA

Manipulação de ativos que dependem de especificações ou estruturas de software descontinuadas

Quando você tem ativos que contam com especificações ou estruturas de software descontinuadas, em alguns casos a migração é contínua. Em outros casos, sua ação é necessária para reciclar ou reimplementar ativos.

As implementações existentes de modelos que são construídos com versões de estrutura ou especificações de software descontinuadas são removidas na data de descontinuação
Nenhuma nova implementação de modelos construídos com versões de estrutura ou especificações de software descontinuadas é permitida.
Se você atualizar a partir de uma versão anterior do software, as implantações de modelos, funções ou scripts baseados em estruturas não suportadas serão removidas. Você deve recriar as implementações com estruturas suportadas.
Se você atualizar a partir de uma versão anterior do software e tiver modelos que utilizam estruturas não suportadas, ainda poderá acessar os modelos. No entanto, não é possível treiná-los ou pontuá-los até fazer upgrade do tipo de modelo e da especificação de software, conforme descrito em Gerenciando especificações ou estruturas de software desatualizadas.