部署步骤 (Decision Optimization)

通过 IBM Watson Machine Learning ，您可以一次性部署 Decision Optimization 规范性模型和关联的公共数据，然后仅使用相关事务数据向此部署提交作业请求。 此部署可通过使用 Watson Machine Learning REST API 或使用 Watson Machine Learning Python 客户机来实现。

概述

Decision Optimization 模型的 部署和提交作业的步骤 如下所示。 这些步骤在后续的章节中详细说明。

  1. 认证并创建空间。 请参阅 REST API 示例。
  2. 部署含公共数据的模型。 可以从用户界面 (请参阅 从用户界面进行部署) 或执行 模型部署中描述的步骤来完成此部署。 另请参阅此 REST API 示例。
  3. 创建并监视针对这个已部署模型的作业。

Decision Optimization 模型生命周期流程图，显示部署和使用步骤

T 恤尺寸是指预定义的部署配置: 小型，中型，大型和超大型。

表 1. Decision Optimization 的 T 恤尺寸
定义 名称 描述
2 vCPU 和 8 GB S 小
4 vCPU 和 16 GB M 中等
8 vCPU 和 32 GB L 大
16 个 vCPU 和 64 GB XL 特大
另请参阅 运行作业。

了解更多