使用 REST API 更改现有已部署模型的 Python 版本 (Decision Optimization)

您可以使用 Watson Machine Learning REST API更新现有 Decision Optimization 模型。例如，如果您在模型中显式指定了现在已不推荐使用的 Python 版本，那么这可能很有用。

准备工作

您将需要 SPACE-ID， MODEL-ID 和 DEPLOYMENT-ID 进行此更改。请参阅 REST API 示例 (Decision Optimization) 以获取更多详细信息。

关于本任务

以下步骤显示如何使用 Watson Machine Learning REST API更新现有 Decision Optimization 已部署模型。 REST API 示例使用 curl，后者是一个命令行工具和库，用于以 URL 语法传输数据。您可以下载 curl ，并在 http://curl.haxx.se上阅读有关它的更多信息。

对于 Windows 用户，请将用作多行分隔符的 \ 改为 ^，并在这些代码示例中使用双引号 "。另外，Windows 用户必须在标题行中至少使用一个空格字符的缩进。

为方便说明，此过程中的某些代码示例已放在 json 文件中，以使命令更容易阅读和使用。

过程

要更改现有已部署模型的 Python 版本，请执行以下操作:

创建 Decision Optimization 模型的修订版
所有 API 请求都需要 version 参数，该参数接受格式为 version=YYYY-MM-DD 的日期。此代码示例发布使用文件 update_model.json的模型。根据您为机器学习服务选择的区域/位置，该 URL 会有变化。
```
curl  --request POST \
  "https://HOST-CLUSTER-HERE/ml/v4/models/MODEL-ID-HERE/revisions?version=2021-12-01" \
  -H "Authorization: bearer TOKEN-HERE" \
  -H "Content-Type: application/json" \
  -d @revise_model.json
```
revise_model.json 文件包含以下代码:
```
{
  "commit_message": "Save current model",
  "space_id": "SPACE-ID-HERE"
}
```
请注意输出中提供的模型修订版号 "rev" ，以供下一步使用。

更新现有部署，以使当前作业不受影响:

curl  --request PATCH \
  "https://HOST-CLUSTER-HERE/ml/v4/deployments/DEPLOYMENT-ID-HERE?version=2021-12-01&space_id=SPACE-ID-HERE" \
  -H "Authorization: bearer TOKEN-HERE" \
  -H "Content-Type: application/json" \
  -d @revise_deploy.json

revise_deploy.json 文件包含以下代码:

[
  {
  "op": "add",
  "path": "/asset",
  "value": { 
    "id":"MODEL-ID-HERE", 
    "rev":"MODEL-REVISION-NUMBER-HERE"
   }
  }
]

修补现有模型以显式指定 Python V 3.9 (不推荐)

curl  --request PATCH \
  "https://HOST-CLUSTER-HERE/ml/v4/models/MODEL-ID-HERE?rev=MODEL-REVISION-NUMBER-HERE&version=2021-12-01&space_id=SPACE-ID-HERE" \
  -H "Authorization: bearer TOKEN-HERE" \
  -H "Content-Type: application/json" \
  -d @update_model.json

update_model.json 文件 (其中显式声明了缺省 Python 版本 ) 包含以下代码:

[
 {
 "op": "add",
 "path": "/custom",
 "value": {
   "decision_optimization":{
      "oaas.docplex.python": "3.9 (deprecated)"
     }
   }
 }
]

或者，要除去 Python 版本的任何显式提及，以便始终使用缺省版本:

[
 {
 "op": "remove",
 "path": "/custom/decision_optimization"
 }
]

修补部署以使用为 Python 创建的模型来使用 V 3.9 (不推荐)

curl  --request PATCH \
  "https://HOST-CLUSTER-HERE/ml/v4/deployments/DEPLOYMENT-ID-HERE?version=2021-12-01&space_id=SPACE-ID-HERE" \
  -H "Authorization: bearer TOKEN-HERE" \
  -H "Content-Type: application/json" \
  -d @update_deploy.json

update_deploy.json 文件包含以下代码:

[
 {
   "op": "add",
   "path": "/asset",
   "value": { "id":"MODEL-ID-HERE"}
 }
]

结果

您可使用部署标识来发布新作业，不必重新部署模型。