升级 Watson Machine Learning 和 watsonx.ai 时的注意事项
以下内容提供了从早期版本的 Cloud Pak for Data 升级后的注意事项，以及有关升级后使用空间资产的信息。
请选择符合您使用场景的类别。
升级 watsonx.ai 前的注意事项
作为升级流程的一部分，首先会创建新的部署镜像，然后释放分配给原始部署的资源。 若要对自定义基础模型部署进行无中断升级，请确保您的集群具备额外的 GPU 算力，以便暂时同时处理升级后的部署和原始部署。
如果您没有额外的 GPU 资源，请在开始升级前将原始部署的副本数缩减至 0，以便释放资源，从而实现无中断升级。 如需更多信息，请参阅 “扩展部署 ”。
如果您从 Cloud Pak for Data 版本 4.8.x 升级到 Cloud Pak for Data 版本 5.0.x ，升级过程将导致服务中断。 作为升级的一部分， Red Hat OpenShift AI 堆栈上您自定义基础模型部署的运行时程序集将被删除并重新创建，因此部署自定义基础模型的升级过程将导致服务中断。
要成功升级自定义基础模型部署，您必须将所有已安装的操作程序（包括 Common Core Services、 Watson Machine Learning、 watsonx.ai 以及 watsonx.ai 推理基础模型（watsonxaiifm 操作程序））升级至您正在升级到的 Cloud Pak for Data 版本。
升级 Watson Machine Learning 后的注意事项
升级后：
您在早期版本中创建的所有 Watson Machine Learning 资源（包括模型、数据资源和应用程序）均可使用。
“部署 ”仪表板不会在可视化图表中显示运行元数据。 例如，在可视化图表中，已完成运行的图表并未显示运行类型，例如
data refinery。 对于升级后生成的跑分，标签将显示正确。如果您拥有在 4.0.6 版本发布之前创建的自定义镜像，则必须使用当前版本中发布的新基础镜像重新构建它们。
由于用于训练 AutoAI 时间序列实验的默认软件规格发生了变更，您必须重新训练该实验，然后对生成的模型创建新的部署。
Watson Machine Learning API 已在新的端点上提供，具体请参阅 API 文档。
您可以更新资源的代码。 例如，如果您在运行现有笔记本时遇到以下错误：
WMLClientError: 'project' (MetaNames.PROJECT_UID) and 'space' (MetaNames.SPACE_UID) meta names are deprecated and considered as invalid. Instead, use client.set.default_space(<SPACE_GUID>) to set the space or client.set.default_project(<PROJECT_GUID>).然后，从元数据中
client.repository.ModelMetaNames.SPACE_UID:space_id删除，并使用client.set.default_space('<SPACE_GUID>')或client.set.default_project('<PROJECT_GUID>')。 如需了解更多信息，请参阅 Watson Machine Learning API 文档以及 Python 客户端库文档。基于已停用的框架的现有部署无法使用。
您可以部署基于已弃用的框架的资源。
与部署相关的平台任务，即使在升级后不可用，也会被保留。
注：