Designer s'intègre parfaitement à Elastic Algorithm Service (EAS). Une fois vos pipelines d'entraînement hors ligne, de prédiction et d'évaluation finalisés, vous pouvez déployer un modèle unique vers EAS afin de créer un service en ligne. Cette rubrique explique comment déployer un modèle entraîné dans Designer vers EAS en utilisant le déploiement en un clic ou le déploiement manuel.
Prérequis
Vous avez entraîné un modèle et vérifié sa précision. Pour plus d'informations, consultez la rubrique Créer et déboguer un modèle.
Déploiement en un clic pour un modèle unique
Composants de modèle pris en charge
Les composants de modèle suivants prennent en charge le déploiement en un clic vers EAS. Certains autres composants ne sont compatibles qu'avec un déploiement manuel. Pour plus de détails, reportez-vous à la section Déploiement manuel pour un modèle unique.
|
Nom du composant |
Format |
Processeur EAS |
Description |
|
Régression logistique pour la classification binaire |
PMML |
PMML |
Avant l'entraînement, cliquez sur le composant de modèle et sélectionnez Generate PMML dans l'onglet Field Settings. |
|
Classification binaire GBDT |
PMML |
PMML |
|
|
SVM linéaire |
PMML |
PMML |
|
|
Régression logistique pour la classification multiclasse |
PMML |
PMML |
|
|
Forêt aléatoire |
PMML |
PMML |
|
|
Naive Bayes |
PMML |
PMML |
|
|
Clustering K-means |
PMML |
PMML |
|
|
Régression GBDT |
PMML |
PMML |
|
|
Régression linéaire |
PMML |
PMML |
|
|
Entraînement de carte de score |
PMML |
PMML |
|
|
Résumé de texte |
package tgz |
EasyNLP |
Le processeur EasyNLP fourni par PAI est hébergé dans un compartiment Object Storage Service (OSS) public et configuré automatiquement, sans nécessiter de paramétrage personnalisé. |
|
Classification d'images (torch) |
package tgz |
EasyCV |
Le processeur EasyCV fourni par PAI est hébergé dans un compartiment Object Storage Service (OSS) public et configuré automatiquement, sans nécessiter de paramétrage personnalisé. |
|
Script PyAlink |
AlinkModel |
Alink |
Pour plus d'informations, consultez la rubrique Script PyAlink. |
|
Entraînement XGBoost |
XGBoost |
XGBoost |
Pour plus d'informations, consultez la rubrique Entraînement XGBoost. |
Procédure
Accédez à Modélisation visualisée, sélectionnez un espace de travail, accédez à la page Designer, puis ouvrez le pipeline cible.
-
Au-dessus du canevas du pipeline, cliquez sur Model List. Le système détecte automatiquement les modèles déployables générés par le pipeline.
Dans la boîte de dialogue Model List, sélectionnez un modèle cible, tel que Logistic Regression for Binary Classification-1. Cliquez sur Register Model pour ajouter le modèle aux ressources IA afin de gérer les versions, ou sur Deploy to EAS pour créer un service de modèle.
Sélectionnez le modèle cible et cliquez sur Deploy to EAS pour ouvrir la page de création de service.
-
Configurez les paramètres et déployez le service de modèle.
Le système fait correspondre automatiquement le Model File et le Processor Type. Pour plus d'informations sur les autres paramètres, consultez la rubrique Déploiement personnalisé.
Cliquez sur Deploy. Lorsque le Service Status passe à Running, le déploiement est terminé.
Déploiement manuel pour un modèle unique
Les composants de modèle suivants ne prennent pas en charge le déploiement en un clic. Une fois l'entraînement du modèle terminé, vous devez utiliser le composant Exporter un modèle polyvalent pour assembler le modèle, l'exporter vers un répertoire OSS, puis le déployer manuellement.
|
Nom du composant |
Format |
Processeur EAS |
Procédure |
|
Entraînement de classification binaire PS-SMART |
Format PS |
Algorithme PS |
Connectez un composant Exporter un modèle polyvalent en aval de ce composant. |
|
Entraînement de classification multiclasse PS-SMART |
|||
|
Entraînement de régression PS-SMART |
Une fois le modèle exporté vers un compartiment OSS, vous pouvez le déployer manuellement vers EAS. Pour plus d'informations, consultez la rubrique Déploiement personnalisé.
FAQ
Lorsque j'utilise le déploiement en un clic, un nœud pris en charge est estompé et ne peut pas être sélectionné. Dans la boîte de dialogue Model List, seul le modèle K-means Clustering-1 s'affiche et le seul bouton disponible est Close, sans aucune option pour enregistrer ou déployer. Comment résoudre ce problème ?
Cliquez sur le nœud du composant, sélectionnez Generate PMML dans l'onglet Field Settings situé à droite, puis réexécutez le nœud.
Documents connexes
Accédez à la page du service en ligne PAI-EAS pour consulter l'état du service ou effectuer des opérations de gestion. Pour plus d'informations, consultez la rubrique Déploiement de service.
Utilisez la fonctionnalité de débogage en ligne pour vérifier si le service fonctionne comme prévu. Pour plus d'informations, consultez la rubrique Débogage en ligne d'un service.
Une fois un service de modèle déployé, utilisez le composant Update EAS Service (Beta) dans Designer pour mettre à jour le service selon une planification. Pour plus d'informations, consultez la rubrique Mettre à jour les services de modèle en ligne selon une planification.