支持的软件规格
在 中，您可以使用流行的工具、库和 IBMWatson Machine Learning 框架来训练和部署机器学习模型及函数。 这些模型和功能的环境由特定的硬件和软件规格构成。
软件规范定义了您为模型或函数使用的语言和版本。 您可以使用软件规格来配置用于运行模型和函数的软件。 通过使用软件规范，您可以精确定义要使用的软件版本，并包含您自己的扩展（例如，通过使用 conda .yml 文件或自定义库）。
您可以获取可用软件和硬件规格的列表，然后使用它们的名称和ID进行部署。 有关更多信息，请参阅 Python 客户端或数据与人工智能通用核心API。
机器学习框架支持的软件规格
您可以使用流行的工具、库和框架来训练和部署机器学习模型及函数。
下表列出了预定义（基础）模型类型及软件规格。
所有软件规格均符合FIPS标准。 有关更多信息，请参阅支持FIPS的服务。
注：
Apache Spark （ 3.4 ）的软件规范已弃用，并将在未来的版本中移除。
已弃用的软件规格标记为 D。
| 框架 | 版本 | 模型类型 | 默认 软件规格 |
支持的平台 |
|---|---|---|---|---|
| AI 服务 | 不适用 | 不适用 | runtime-25.1-py3.12 |
x86 |
| AI 服务 | 不适用 | 不适用 | runtime-25.1-py3.12-cuda |
x86 |
| AI 服务 | 不适用 | 不适用 | genai-A25-py3.12 |
x86 |
| Decision Optimization | 20.1 | do-docplex_20.1do-opl_20.1do-cplex_20.1do-cpo_20.1 |
do_20.1 |
x86 ，PPC |
| Decision Optimization | 22.1 | do-docplex_22.1do-opl_22.1do-cplex_22.1do-cpo_22.1 |
do_22.1 |
x86 ，PPC |
| Decision Optimization | 22.2 | do-docplex_22.2do-opl_22.2do-cplex_22.2do-cpo_22.2 |
do_22.2 |
x86 ，PPC |
| onnx 或 onnxruntime | 1.17 | onnxruntime_1.17 |
onnxruntime_opset_21 |
x86 |
| PMML | 3.0 to 4.3 | pmml_. （或） pmml_..*3.0 - 4.3 |
pmml-3.0_4.3 |
x86 ，PPC |
| PyTorch | 2.6 | onnxruntime_1.17 |
onnxruntime_opset_21 |
x86 ，PPC， s390x （出自《 5.4.0 》补丁4） |
| Python 函数 | 不适用 | 不适用 | runtime-25.1-py3.12 |
x86 ，PPC， s390x |
| Python 函数 | 不适用 | 不适用 | runtime-25.1-py3.12-cuda |
x86 |
| Python 脚本 | 不适用 | 不适用 | runtime-25.1-py3.12 |
x86 ，PPC， s390x |
| Python 脚本 | 不适用 | 不适用 | runtime-25.1-py3.12-cuda |
x86 |
| R 脚本 | 不适用 | 不适用 | runtime-25.1-r4.4 |
x86 |
| R Shiny 应用程序 | 不适用 | 不适用 | rstudio-25.1-r4.4 |
x86 ，PPC |
| Scikit-learn | 1.6 | scikit-learn_1.6 |
runtime-25.1-py3.12 |
x86 ，PPC， s390x |
| Spark | 3.4 | mllib_3.4 |
spark-mllib_3.4 |
x86 ，PPC |
| Spark | 3.5 | mllib_3.5 |
spark-mllib_3.5 |
x86 ，PPC |
| SPSS | 18.2 | spss-modeler_18.2 （参见注释） |
spss-modeler_18.2 |
x86 |
| Tensorflow | 2.18 | tensorflow_2.18 |
runtime-25.1-py3.12tensorflow_rt25.1-py3.12 |
x86 ，PPC， s390x |
| Tensorflow | 2.18 | tensorflow_2.18tensorflow_rt25.1 |
runtime-25.1-py3.12-cuda |
x86 |
| XGBoost | 2.1 | xgboost_2.1 或 scikit-learn_1.6 （参见注释） |
runtime-25.1-py3.12 |
x86 ，PPC， s390x |
注：
可以将已停用的 3.3 Spark软件规格重新添加到可用软件规格列表中。 为此，管理员必须创建自定义映像。
混合模型支持的模型类型及软件规格
混合模型支持以下模型类型和软件规格：
| 框架 | 版本 | 模型类型 | 默认 软件规格 |
管道软件规范 | 支持的平台 |
|---|---|---|---|---|---|
| 混合 | 0.1 | wml-hybrid_0.1 |
hybrid_0.1 |
autoai-kb_rt25.1-py3.12 autoai-ts_rt25.1-py3.12 |
x86 ，PPC， s390x |
部署自然语言处理模型的支持软件规格
以下是部署自然语言处理模型所支持的软件规格列表：
| 软件规格 | Python 版本 | 支持的运行时环境 |
|---|---|---|
runtime-25.1-py3.12 |
3.12 | 人工智能功能，人工智能服务 |
该 x86-64 平台支持自然语言处理（NLP）部署。
处理依赖已停用的软件规范或框架的资产
当您的资产依赖于已停用的软件规范或框架时，某些情况下迁移过程可以无缝衔接。 在其他情况下，您需要采取行动对资产进行重新培训或重新部署。
- 使用已停用的框架版本或软件规范构建的模型，其现有部署将在停用日期当天被移除。
- 禁止部署基于已停用的框架版本或软件规格构建的新模型。
- 若从早期软件版本升级，基于不受支持框架部署的模型、函数或脚本将被移除。 您必须使用受支持的框架重新创建部署。
- 若您从早期软件版本升级，且拥有使用不受支持框架的模型，您仍可访问这些模型。 然而，在升级模型类型和软件规格之前，您无法对它们进行训练或评分，具体操作请参阅《 管理过时的软件规格或框架 》一文。