Utilisez les étapes suivantes pour exporter un artefact de modèle d'un seau de stockage d'objets vers un seau de service de science des données.
Note
Vous ne pouvez effectuer une exportation qu'à l'aide des API de la trousse SDK Java, de l'interface de ligne de commande et de la trousse SDK Python ADS. Il n'est pas possible d'effectuer une exportation à partir de la console.
-
Ajoutez les politiques requises :
allow service datascience to manage object-family in compartment <compartment>
where ALL {target.bucket.name='<bucket_name>
'}
allow service objectstorage-<region>
to manage object-family in compartment <compartment>
where ALL {target.bucket.name='<bucket_name>
'}
-
Chargez l'artefact de modèle dans un seau de stockage du service de science des données.
-
Appelez le point d'extrémité d'exportation. Incluez les paramètres nécessaires, tels que
artifactSourceType
, sourceBucket
, sourceObjectName
, namespace
et sourceRegion
.
Par exemple :
#sample code
import ads
from ads.model import DataScienceModel
ads.set_auth("resource_principal")
MODEL_DISPLAY_NAME = "my_large_model"
ARTIFACT_FILE_NAME = "my_large_model.zip"
OCI_BUCKET = "oci://bucket@namespace/prefix/my_large_model.zip"
model = (DataScienceModel()
.with_display_name(MODEL_DISPLAY_NAME)
.with_artifact(ARTIFACT_FILE_NAME)
.create(
bucket_uri=OCI_BUCKET,
overwrite_existing_artifact=True, # Overwrite target bucket artifact if exists.
remove_existing_artifact=True # Wether artifacts uploaded to object storage bucket need to be removed or not.
)
)
Important
Lorsque bucket_uri
est spécifié, region
doit également être spécifié pour éviter les erreurs lors du téléchargement de fichiers dont la taille est supérieure à 2 Go.
Une demande de travail est créée pour l'action d'exportation. Vous pouvez vérifier le statut de la demande de travail pour charger l'artefact de modèle dans le seau du service de science des données, à partir de l'onglet Demandes de travail.