O Designer integra-se perfeitamente ao Elastic Algorithm Service (EAS). Após concluir os pipelines de treinamento offline, previsão e avaliação, implante um único modelo no EAS para crie um service online. Este tópico descreve como implantar no EAS um modelo treinado no Designer usando a implantação com um clique ou a implantação manual.
Pré-requisitos
Treine um modelo e verifique sua precisão. Para mais informações, consulte Build and debug a model.
Implantação com um clique para um único modelo
Componentes de modelo compatíveis
Os componentes de modelo a seguir são compatíveis com a implantação com um clique no EAS. Outros componentes aceitam apenas a implantação manual. Para mais detalhes, consulte Manual deployment for a single model.
|
Nome do componente |
Formato |
EAS processor |
Descrição |
|
Logistic Regression for Binary Classification |
PMML |
PMML |
Antes do treinamento, clique em o componente do modelo e selecione Generate PMML na aba Field Settings. |
|
GBDT Binary Classification |
PMML |
PMML |
|
|
Linear SVM |
PMML |
PMML |
|
|
Logistic Regression for Multiclass Classification |
PMML |
PMML |
|
|
Random Forest |
PMML |
PMML |
|
|
Naive Bayes |
PMML |
PMML |
|
|
K-means Clustering |
PMML |
PMML |
|
|
GBDT Regression |
PMML |
PMML |
|
|
Linear Regression |
PMML |
PMML |
|
|
Scorecard Train |
PMML |
PMML |
|
|
Text Summarization |
tgz package |
EasyNLP |
O processador EasyNLP fornecido pelo PAI está hospedado em um bucket público do Object Storage Service (OSS) e configurado automaticamente, sem necessidade de configuração personalizada. |
|
Image Classification (torch) |
tgz package |
EasyCV |
O processador EasyCV fornecido pelo PAI está hospedado em um bucket público do Object Storage Service (OSS) e configurado automaticamente, sem necessidade de configuração personalizada. |
|
PyAlink Script |
AlinkModel |
Alink |
Para mais informações, consulte PyAlink Script. |
|
XGBoost Train |
XGBoost |
XGBoost |
Para mais informações, consulte XGBoost Train. |
Procedimento
Acesse Visualized Modeling, selecione um workspace, acesse a página do Designer e abra o pipeline desejado.
-
Acima da tela do pipeline, clique em Model List. O sistema detecta automaticamente os modelos implantáveis gerados pelo pipeline.
Na caixa de diálogo Model List, selecione um modelo de destino, como Logistic Regression for Binary Classification-1. Clique em Register Model para adicionar o modelo aos ativos de IA para versionamento ou em Deploy to EAS para crie um service de modelo.
Selecione o modelo de destino e clique em Deploy to EAS para abrir a página de criação de service.
-
Configure os parâmetros e implante o service de modelo.
O sistema associa automaticamente o Model File e o Processor Type. Para mais informações sobre outros parâmetros, consulte Custom deployment.
Clique em Deploy. Quando o Service Status mudar para Running, a implantação estará concluída.
Implantação manual para um único modelo
Os componentes de modelo a seguir não são compatíveis com a implantação com um clique. Após concluir o treinamento do modelo, use o componente Export a General-purpose Model para montar o modelo, exportá-lo para um diretório OSS e implantá-lo manualmente.
|
Nome do componente |
Formato |
EAS processor |
Procedimento |
|
PS-SMART Binary Classification Training |
PS format |
PS algorithm |
Conecte um componente Export a General-purpose Model downstream deste componente. |
|
PS-SMART Multiclass Classification Training |
|||
|
PS-SMART Regression Training |
Após exportar o modelo para um bucket OSS, implante-o manualmente no EAS. Para mais informações, consulte Custom deployment.
FAQ
Ao usar a implantação com um clique, um nó compatível aparece esmaecido e não pode ser selecionado. Na caixa de diálogo Model List, apenas o modelo K-means Clustering-1 é exibido, e o único botão disponível é Close, sem opções para registrar ou implantar. Como resolver isso?
Clique em o nó do componente, selecione Generate PMML na aba Field Settings à direita e execute o nó novamente.
Documentos relacionados
Acesse a página de service online do PAI-EAS para visualize o status do service ou realizar operações de gerenciamento. Para mais informações, consulte Service deployment.
Use o recurso de depuração online para testar se o service executa conforme o esperado. Para mais informações, consulte Online debugging of a service.
Após a implantação de um service de modelo, use o componente Update EAS Service (Beta) no Designer para atualize o service conforme uma programação. Para mais informações, consulte Update online model services on a schedule.