Watson Machine Learning 中的框架和软件规范

您可以使用常用工具，库和框架来训练和部署机器学习模型和函数。

框架

框架包含一组可复用的算法，工具和库，用于开发可用于满足特定应用程序需求的机器学习模型。 框架描述用于构建模型的机器学习或深度学习框架。 您可以使用常用框架 (例如， Tensorflow) ，这将支持深度学习算法和传统机器学习算法与 Watson Machine Learning 配合使用，以实现更高效的开发。

模型类型

模型类型指示机器学习或深度学习框架以及用于构建机器学习模型的框架版本。 使用同一框架构建的机器学习或深度学习模型可能在不同版本之间不兼容。 例如，如果使用 pytorch-onnx_1.10 模型类型构建模型，那么必须使用 pytorch V 1.10 构建模型并以 ONNX 格式保存模型。

软件规格

软件规范规定了用于构建模型或函数的编程语言及其版本。 您可以使用软件规范来配置用于运行模型和功能的软件。 您还可以定义要使用的软件版本并包含自己的扩展。 例如，您可以使用 conda .yml 文件或自定义库。

平台

Platform 描述了可以使用受支持的软件规范在其上部署机器学习模型的硬件平台。 根据您构建模型所使用的框架，您可以使用 Watson Machine Learning 将模型部署到 Z（ s390x ）、Power（PPC）或 x86 平台上。

受支持框架和软件规范的生命周期

安装或升级到最新版本的 Cloud Pak for Data 时支持的框架和软件规范将在 Cloud Pak for Data的未来发行版中经历废弃，压缩和停止阶段，如下所述:

  1. 受支持: 安装或升级到最新版本的 Cloud Pak for Data时，支持与软件规范对应的运行时环境。

    有关更多信息，请参阅 支持的部署框架和软件规范。

  2. 不推荐: 在安装或升级到最新版本的 Cloud Pak for Data时，支持与软件规范对应的运行时环境，但将在即将发布的发行版中除去该环境。

    例如，在 Cloud Pak for Data V 4.8.4中不推荐使用软件规范 runtime-22.2-py3.10 。 在这种情况下，如果安装或升级到新的 Watson Machine Learning 服务实例，那么可以创建或部署使用 runtime-22.2-py3.10的机器学习模型。 但是，在下一个发行版中将不再支持 runtime-22.2-py3.10 ，因此您必须升级到最新的软件规范，以确保支持部署。

  3. 限制: 升级到最新版本的 Cloud Pak for Data时，支持与软件规范对应的运行时环境。 但是，当您安装最新版本的 Cloud Pak for Data时，不支持运行时环境。

    例如，在 Cloud Pak for Data V 4.8.0中限制了软件规范 runtime-22.1-py3.9 。 在这种情况下，如果安装新的 Watson Machine Learning 服务实例，那么无法创建或部署使用 runtime-22.1-py3.9的机器学习模型。 但是，如果从 Cloud Pak for Data V 4.7.0 升级到 V 4.8.0，那么支持使用 4.7.0 创建和部署的现有模型。 您还可以根据在升级期间使用压缩软件规范的模型来创建新部署。

  4. 已停用: 安装或升级到最新版本的 Cloud Pak for Data时，不支持与软件规范对应的运行时环境。

    例如，针对 Cloud Pak for Data V 4.8.0已停用软件规范 tensorflow_rt22.1-py3.9-nnpa 。 在这种情况下，如果安装或升级到新的 Watson Machine Learning 服务实例，那么无法创建或部署使用 tensorflow_rt22.1-py3.9-nnpa的机器学习模型。

管理过时的框架和软件规范

在模型中的软件规范和框架过时时更新这些规范和框架。 有时，您可以无缝更新资产。 在其他情况下，必须重新训练或重新部署资产。

有关更多信息，请参阅 管理过时的软件规范或框架。