O Machine Learning Designer permite empacotar um pipeline de processamento de dados em lote — abrangendo pré-processamento de dados, engenharia de recursos e previsão do modelo — em um modelo de pipeline e implantá-lo no Elastic Algorithm Service (EAS) como service online.
Somente pipelines construídos inteiramente com componentes de algoritmo Alink (marcados com um pequeno círculo roxo no canvas) podem ser implantados como services online.
Limitações
|
Restrição |
Detalhes |
|
Tipo de componente |
Somente componentes de algoritmo Alink são suportados. Eles aparecem marcados com um pequeno círculo roxo no canvas. |
|
status de execução |
Todos os pares de componentes de treinamento e previsão no pipeline devem ter sido concluídos com sucesso (marcados com um sinal verde) antes do empacotamento. Por exemplo, para implantar um modelo de regressão linear, tanto o componente Linear Regression Training quanto o Linear Regression Prediction devem exibir um sinal verde. |
|
Topologia |
Services online aceitam apenas entrada e saída únicas. Selecione um único link serial do Directed Acyclic Graph (DAG) do seu pipeline em lote. |
Pré-requisitos
Antes de começar, verifique se você tem:
-
Um pipeline de processamento de dados em lote que implemente pré-processamento de dados, engenharia de recursos e previsão do modelo, executado com sucesso. Para mais informações, consulte Build a model
Implantar um pipeline como service online
-
Acesse a página do Machine Learning Designer.
Faça login no Machine Learning Platform for AI console.
No painel de navegação à esquerda, clique em Workspaces. Na página Workspaces, clique no nome do workspace que deseja gerenciar.
No painel de navegação à esquerda, escolha Model Training > Visualized Modeling (Designer).
Na aba Pipelines, clique duas vezes no pipeline para abri-lo.
Na barra de navegação superior do canvas, escolha Models > Create Pipeline Model.
-
Selecione os nós que formam um link serial de processamento de dados e clique em Next. Um link serial geralmente consiste em 1 a N componentes de previsão. Por exemplo, o link a seguir normaliza dados, aplica codificação one-hot, agrega vetores e executa o componente FM Prediction.
Selecionar um nó que forma um link serial com seus nós upstream ou downstream seleciona automaticamente esses nós conectados.
Desmarcar um nó desmarca automaticamente todos os nós selecionados junto com ele.
Na caixa de diálogo Create Pipeline Model, clique em Next para iniciar o empacotamento.
O sistema empacota o link de previsão de dados e seus modelos em um modelo de pipeline. Uma tarefa em lote cujo nome começa com model-combination- é iniciada automaticamente. Para monitorar o progresso, clique em View All Tasks na barra de navegação superior. Na caixa de diálogo Previous Tasks, localize a tarefa e verifique seu status. O empacotamento leva aproximadamente de 3 a 5 minutos. Aguarde até que o estado da tarefa mude para Succeeded antes de prosseguir.Na caixa de diálogo Previous Tasks, localize a tarefa e clique em Model na coluna Actions.
A página EAS-Online Model Services será aberta. Para mais informações sobre como concluir a implantação, consulte Model service deployment by using the PAI console and Machine Learning Designer.