IBM Cloud Pak® for Data 4.6 版本将于 2025 年 7 月 31 日结束支持（EOS）。 欲了解更多信息，请参阅 IBM Cloud Pak for Data 版本 4.X 的停止服务公告。
在 IBM Cloud Pak for Data 4.6 版本支持结束之前，升级到 IBM Software Hub 5.1 版本。 更多信息，请参阅 IBM Software Hub 版本 5.1 文档中的升级 IBM Software Hub。
定制部署运行时映像
使用部署所需的库和包创建定制 Docker 映像，然后使用该定制映像来部署 Watson Machine Learning 资产。
您可以基于 IBM Watson Machine Learning中提供的部署运行时映像来构建定制映像。 这些映像包含预先选择的开放式源代码库和选定的 IBM 库。 通过构建定制映像，可以根据应用程序需要优化运行时的标准软件配置。 您还可以在具有禁止向因特网公开任何操作的需求的气郄环境中使用定制映像。
注：
- 创建定制映像的方式取决于是构建基于 Python的模型和函数的映像，还是构建 SPSS 映像。 有关详细信息，请参阅 创建定制映像。
- 这些定制映像类型与 Cloud Pak for Data的 4.5.0 或更高发行版不兼容:
- 在 Cloud Pak for Data V 3.5 中创建的映像
- 在 Cloud Pak for Data 4.x 的 4.0.6 发行版之前创建的映像
如果定制图像属于其中一个类别，那么必须 重建图像。 使用在当前发行版中发布的新基本映像。
重建现有映像
- 下载最新的基本映像。
- 使用必需的库重建映像。
- 将重建的映像上载到本地 Cloud Pak for Data 注册表。
- 使用新映像更新现有运行时定义文件。
- 对现有部署执行联机或批处理评分。
注: 如果已部署的模型使用在 Cloud Pak for Data的某个先前发行版中创建的定制映像，那么您不必创建全新部署。
训练模型
如果要训练使用定制映像的 SPSS 模型，可以从 构建定制映像以安装 ODBC 驱动程序开始。
如果要训练使用定制映像的 Python 模型或函数，可以从 针对 Watson Studio使用定制映像创建和训练开始。 但是， Watson Studio 映像不能用于 Watson Machine Learning中的部署。 对于部署，请为 Watson Machine Learning创建定制映像，如 创建 Watson Machine Learning 定制映像中所述。
定制映像的受支持框架
此表列出了 wml-deployment-runtime-py39-server.json 运行时映像支持的框架。
注:
从发行版 4.6.4开始，不推荐使用 wml-deployment-runtime-py39-server.json 运行时，将在将来的发行版中除去该运行时。
| Framework | 版本 | 联机 | 批处理 |
|---|---|---|---|
| Scikit-learn | 1.0 | 是 | 是 |
| XGBoost | 1.5 | 是 | 是 |
| TensorFlow | 2.7 | 是 | 是 |
| PyTorch | 1.10 | 是 | 是 |
| Python 函数 | 0.1 | 是 | 仅适用于程序化 Inline 有效内容 |
| Python 脚本 | 1.0 | 否 | 是 |
此表列出了 wml-deployment-runtime-py310-server.json 运行时映像支持的框架。
| Framework | 版本 | 联机 | 批处理 |
|---|---|---|---|
| Scikit-learn | 1.1 | 是 | 是 |
| XGBoost | 1.6 | 是 | 是 |
| TensorFlow | 2.9 | 是 | 是 |
| PyTorch | 1.12 | 是 | 是 |
| Python 函数 | 0.1 | 是 | 仅适用于程序化 Inline 有效内容 |
| Python 脚本 | 1.0 | 否 | 是 |
下表列出了 wml-deployment-runtime-spss-server.json下 SPSS 基本映像的受支持框架:
| Framework | 版本 | 联机 | 批处理 |
|---|---|---|---|
| SPSS | 18.2 | 否 | 是 |
创建和注册定制映像
所需角色：您必须是 Cloud Pak for Data 实例的管理员，才能下载运行时定义并为新映像注册运行时定义。 您必须在机器上拥有 root 权限，才能执行构建自定义映像的命令。
请执行下列步骤，以创建和注册定制映像：
使用映像进行部署
要使用定制映像，请执行以下步骤:
此 样本 Python 笔记本 显示如何使用定制映像来部署 Python 函数。
其他注意事项
如果使用定制映像，那么必须考虑以下方面:
只能为具有 CPU 环境的 Python 构建用于部署的定制映像。
您负责确保对 Watson Machine Learning中的可用运行时映像进行的所有更新 (包括所有安全性更新) 也对定制映像进行。 请注意新修订包或任何相关信息。 发布新版本的 Cloud Pak for Data 时，请考虑重新构建所有定制映像。
无法在 Watson Studio 或 Data Refinery中使用 Watson Machine Learning 定制映像。 它们只能在 Watson Machine Learning中使用。
Watson Machine Learning 使用
uwsgi来运行部署服务器。 您负责确保安装的其他软件包和库不会中断uwsgi。要获取 Watson Machine Learning 定制映像的列表，请输入:
oc get pods -l type=wml安装 Watson Machine Learning的任何软件包后，使其可供
wmlfuser:condausers使用。复制到容器的用户 Python 代码/包对所有用户都具有读/写许可权。
Pod 衍生由 Deployment Manager 负责:
oc get pods | grep wml-deployment-manager因此，会更频繁地在 Deployment Manager 日志中捕获 pod 衍生错误。
oc logs wml-deployment-manager-0 > rm.log
父主题: 定制部署运行时