Machine Learning Designer vous permet d'empaqueter un pipeline de traitement des données par lots — couvrant le prétraitement des données, l'ingénierie des fonctionnalités et la prédiction du modèle — dans un modèle de pipeline, puis de le déployer sur Elastic Algorithm Service (EAS) en tant que service en ligne.
Seuls les pipelines construits entièrement avec des composants d'algorithme Alink (marqués d'un petit cercle violet dans le canevas) peuvent être déployés en tant que services en ligne.
Limitations
| Contrainte | Détails |
|---|---|
| Type de composant | Seuls les composants d'algorithme Alink sont pris en charge. Ils sont marqués d'un petit cercle violet dans le canevas. |
| État d'exécution | Tous les composants d'entraînement et de prédiction appariés dans le pipeline doivent avoir été exécutés avec succès (marqués d'une coche verte) avant l'empaquetage. Par exemple, pour déployer un modèle de régression linéaire, les composants Linear Regression Training et Linear Regression Prediction doivent tous deux afficher une coche verte. |
| Topologie | Les services en ligne n'acceptent qu'une seule entrée et une seule sortie. Sélectionnez un lien série unique à partir du graphe acyclique dirigé (DAG) de votre pipeline par lots. |
Prérequis
Avant de commencer, assurez-vous d'avoir :
Un pipeline de traitement des données par lots qui implémente le prétraitement des données, l'ingénierie des fonctionnalités et la prédiction du modèle, et qui a été exécuté avec succès. Pour plus d'informations, consultez Créer un modèle
Déployer un pipeline en tant que service en ligne
-
Accédez à la page Machine Learning Designer.
Connectez-vous à la console Machine Learning Platform for AI.
Dans le volet de navigation de gauche, cliquez sur Workspaces. Sur la page Workspaces, cliquez sur le nom de l'espace de travail que vous souhaitez gérer.
Dans le volet de navigation de gauche, choisissez Model Training > Visualized Modeling (Designer).
Sous l'onglet Pipelines, double-cliquez sur le pipeline pour l'ouvrir.
Dans la barre de navigation supérieure du canevas, choisissez Models > Create Pipeline Model.
-
Sélectionnez les nœuds qui forment un lien de traitement des données en série, puis cliquez sur Next. Un lien série se compose généralement de 1 à N composants de prédiction. Par exemple, le lien suivant normalise les données, applique un encodage one-hot, agrège les vecteurs, puis exécute le composant FM Prediction.
La sélection d'un nœud formant un lien série avec ses nœuds amont ou aval sélectionne automatiquement ces nœuds connectés.
La désélection d'un nœud désélectionne automatiquement tous les nœuds qui ont été sélectionnés avec lui.
Dans la boîte de dialogue Create Pipeline Model, cliquez sur Next pour démarrer l'empaquetage.
Le système empaquette le lien de prédiction des données et ses modèles dans un modèle de pipeline. Une tâche par lot dont le nom commence par model-combination- est lancée automatiquement. Pour surveiller la progression, cliquez sur View All Tasks dans la barre de navigation supérieure. Dans la boîte de dialogue Previous Tasks, recherchez la tâche et vérifiez son état. L'empaquetage prend environ 3 à 5 minutes. Attendez que l'état de la tâche passe à Succeeded avant de continuer.Dans la boîte de dialogue Previous Tasks, recherchez la tâche et cliquez sur Model dans la colonne Actions.
Cela ouvre la page EAS-Online Model Services. Pour plus d'informations sur la finalisation du déploiement, consultez Déploiement de service de modèle à l'aide de la console PAI et de Machine Learning Designer.