Ekspor model menggunakan komponen Export General-Purpose Model - Platform For AI

Komponen Export General-Purpose Model menyimpan model MaxCompute yang telah dilatih ke Object Storage Service (OSS). Gunakan komponen ini sebagai langkah terakhir dalam pipeline PAI Designer setelah pelatihan—model yang diekspor kemudian tersedia untuk penerapan atau berbagi.

Prasyarat

Sebelum memulai, pastikan Anda telah:

Menyelesaikan otorisasi OSS untuk Designer. Untuk detailnya, lihat Cloud product dependencies and authorization: Designer.

Komponen hulu yang didukung

Komponen pelatihan berikut dapat dihubungkan ke komponen Export General-Purpose Model. Persyaratan port dan format ekspor yang didukung berbeda-beda tergantung jenis komponennya.

Komponen hulu	Tipe	Format yang didukung	Koneksi port
Gradient Boosting Decision Trees (GBDT) Binary Classification	General ML	original, pmml	Hanya Port 1
Linear Support Vector Machine	General ML	original, pmml	Hanya Port 1
Logistic Regression Binary Classification	General ML	original, pmml	Hanya Port 1
GBDT Regression	General ML	original, pmml	Hanya Port 1
Linear Regression	General ML	original, pmml	Hanya Port 1
k-means Clustering	General ML	original, pmml	Hanya Port 1
Logistic Regression Multiclass Classification	General ML	original, pmml	Hanya Port 1
Naive Bayes	General ML	original, pmml	Hanya Port 1
PS-SMART Binary Classification Training	PS-series	hanya original	Port 1 dan port 2
PS-SMART Multiclass Classification	PS-series	hanya original	Port 1 dan port 2
PS-SMART Regression	PS-series	hanya original	Port 1 dan port 2
PS Linear Regression	PS-series	hanya original	Port 1 dan port 2

Aturan koneksi port:

Komponen General ML — hubungkan model output ke port 1 komponen Export General-Purpose Model.
Komponen PS-series — hubungkan ke port 1 dan port 2.

Konfigurasi komponen di Designer

Pada tab Parameters komponen Export General-Purpose Model, konfigurasikan parameter berikut.

Parameter	Wajib	Deskripsi	Bawaan
Rename	Tidak	Nama baru untuk model yang diekspor. Jika dibiarkan kosong, model disimpan menggunakan nama model output hulu.	Tidak ada (model mempertahankan nama hulu)
Overwrite Existing Model	Tidak	Saat digunakan bersama dengan Rename, menimpa model yang sebelumnya diekspor pada setiap eksekusi. Konfigurasikan opsi ini untuk menghindari akumulasi beberapa ekspor di path OSS yang sama.	Tidak dipilih
Overwrite	Tidak	Menimpa file model dengan nama yang sama di path OSS yang ditentukan.	Tidak dipilih
Export Model Format	Ya	Format file model yang diekspor. Nilai yang didukung: original (mengekspor file `.meta` dan file `.model`) atau pmml (mengekspor file `.xml`). Periksa tabel di atas untuk memastikan format mana yang didukung oleh komponen hulu Anda.	Tidak ada

Untuk menimpa model yang sebelumnya diekspor pada setiap eksekusi, atur Rename dan pilih Overwrite Existing Model.

Konfigurasi komponen menggunakan perintah PAI

Jalankan perintah PAI berikut dalam skrip SQL atau node ODPS SQL di DataWorks.

PAI -name generalmodeltransfer2oss
-project algo_public
-Dformat="original"
-Drename="model_export"
-Doverwrite="false"
-DossPath="oss://examplebucket-cn-hangzhou-internal.aliyuncs.com/export/"
-Darn="acs:ram::xxxxxxxxxx:role/aliyunodpspaidefaultrole"
-DmodelName="model_flow_aius5tamq5rv4x****_node_anprs9ufo40opc****_model"

Parameter	Wajib	Deskripsi	Bawaan
`format`	Ya	Format ekspor: `original` atau `pmml`.	Tidak ada
`rename`	Tidak	Nama baru untuk model yang diekspor.	Tidak ada (model mempertahankan nama hulu)
`overwrite`	Tidak	Apakah akan menimpa model dengan nama yang sama di path target. Nilai yang diterima: `true` atau `false`.	`false`
`ossPath`	Ya	Path OSS tempat model akan diekspor.	Tidak ada
`arn`	Ya	Informasi otorisasi (ARN dari peran RAM). Untuk mendapatkan nilai ini, buka Konsol PAI, navigasikan ke All Product Dependencies, temukan bagian Designer, lalu klik View Authorization Information di kolom Actions. Untuk detailnya, lihat Cloud product dependencies and authorization: Designer.	Tidak ada
`inputTable`	Tidak	Wajib saat mengekspor dari komponen PS-series. Tentukan tabel model yang dihasilkan oleh komponen pelatihan.	Tidak ada
`modelName`	Ya	Nama model offline yang akan diekspor.	Tidak ada