在 Watson Machine Learning 中建立批次部署

開始之前

1. 將模型儲存至部署空間。
2. 將用於批次部署的輸入檔升級或新增至空間。 如需將資產升級至空間的詳細資料，請參閱 部署空間。

支援的架構

這些架構和資產類型支援批次部署:

• Decision Optimization
• PMML
• Python 函數
• PyTorch-Onnx
• Tensorflow
• Scikit-learn
• Script (Python 和 R)
• Spark MLlib
• SPSS
• XGBoost

附註：

• 基於 PMML 架構的 Python 函數及模型的批次部署只能以程式化方式完成。
• 您的部署工作清單可以包含兩種類型的工作: WML deployment job 和 WML batch deployment。
• 當您建立批次部署 (透過使用者介面或以程式化方式) 時，會建立其他 default 部署工作。 此工作的類型為 WML deployment job。 這是母項工作，用於儲存針對該批次部署產生且由 Watson Machine Learning API 觸發的所有部署執行。
• 只有在您從使用者介面或使用 cpdctl 工具建立部署時，才會建立標準 WML batch deployment 類型工作。 無法使用 API 來建立 WML batch deployment 類型工作。
• 這是 WML deployment job的限制清單:
  • 無法編輯
  • 除非已刪除相關聯的批次部署，否則無法刪除它
  • 不允許排程
  • 不容許自訂通知
  • 它不容許變更保留設定

如需用於評分批次部署的資料來源相關資訊，請參閱 用於評分批次部署的資料來源。 如需評分批次部署所需輸入的相關資訊，視模型類型而定，請參閱 依架構的批次部署輸入詳細資料

建立批次部署

如果要建立批次部署，請執行下列動作:

1. 從部署空間中，按一下您要部署之已儲存模型的名稱。 模型詳細資料頁面隨即開啟。
2. 按一下 新建部署。
3. 選擇 批次 作為部署類型，並輸入部署的名稱和說明。
4. 選取 硬體規格。
5. 按一下建立。 當狀態變更為 已部署時，部署建立完成。

檢視部署詳細資料

按一下部署名稱來檢視詳細資料。

您可以檢視配置詳細資料，例如軟硬體規格。 您也可以取得部署 ID，這可用於從端點進行 API 呼叫。 如需詳細資料，請參閱 查閱部署端點。

進一步瞭解

• 如需如何建立批次部署工作的相關資訊，請參閱 在部署空間中建立工作。
• 請參閱 Machine Learning 範例和範例 ，以取得範例 Notebook 的鏈結，這些 Notebook 示範如何建立使用 Watson Machine Learning REST API 和 Watson Machine Learning Python 用戶端程式庫的批次部署。

上層主題: 管理預測部署