Documentazione dell'infrastruttura Oracle Cloud

Modifica di un modello

È possibile modificare (aggiornare) alcune opzioni del modello di Data Science.

Se sono stati aggiunti metadati a un modello, è possibile modificare la provenienza e la tassonomia. Impossibile modificare gli schemi di input e output.

È possibile modificare il nome e la descrizione del modello, tutte le altre opzioni sono immutabili. È possibile modificare un modello caricandolo di nuovo in una sessione notebook, apportando modifiche e quindi salvandolo come nuovo modello.

    1. Nella pagina dei modelli, selezionare il nome del modello. Per informazioni su come trovare l'elenco dei modelli, vedere Elenco dei modelli.

      Viene visualizzata la pagina dei dettagli del modello.

    2. Selezionare Modifica.
    3. (Facoltativo) Modificare il nome, la descrizione o l'etichetta della versione.
    4. (Facoltativo) Nella casella Prova modello, selezionare Seleziona.
      1. Selezionare Sessione blocco note o Esecuzione job a seconda della posizione in cui si desidera memorizzare la documentazione della tassonomia.
      2. Trovare la sessione notebook o l'esecuzione del job con cui il modello è stato addestrato utilizzando una delle seguenti opzioni:
        Seleziona un progetto:

        Selezionare il nome del progetto da utilizzare nel compartimento selezionato.

        Il compartimento selezionato si applica sia al progetto che alla sessione notebook o all'esecuzione del job ed entrambi devono trovarsi nello stesso compartimento. In caso contrario, utilizzare la ricerca OCID.

        È possibile modificare il compartimento sia per la sessione del progetto che per la sessione notebook o per l'esecuzione del job.

        Il nome del progetto da utilizzare nel compartimento selezionato.

        Selezionare la sessione notebook o l'esecuzione del job con cui il modello è stato addestrato.

        Ricerca OCID:

        Se la sessione notebook o l'esecuzione del job si trova in un compartimento diverso dal progetto, immettere l'OCID della sessione notebook o dell'esecuzione del job in cui è stato addestrato il modello.

      3. Selezionare la sessione notebook o l'esecuzione del job con cui il modello è stato addestrato.
      4. (Facoltativo) Selezionare Mostra opzioni avanzate per identificare le informazioni sull'addestramento Git e sul modello.

        Immettere o selezionare i valori desiderati.

        URL repository Git

        L'URL del repository Git remoto.

        Commit Git

        L'ID commit del repository Git.

        Diramazione Git

        Il nome del ramo.

        Directory del modello locale

        Percorso della directory in cui è stato temporaneamente memorizzato l'artifact del modello. Potrebbe trattarsi di un percorso di una sessione notebook o di una directory del computer locale, ad esempio.

        Script di addestramento del modello

        Nome dello script o della sessione notebook Python con cui è stato eseguito l'addestramento del modello.

        Suggerimento

        Puoi anche popolare i metadati di provenienza del modello quando salvi un modello nel catalogo modelli utilizzando gli SDK OCI o l'interfaccia CLI.

      5. Selezionare Seleziona.
    5. (Facoltativo) Nella casella Tassonomia modello selezionare Seleziona per specificare le funzioni del modello, del framework di apprendimento automatico, degli iperparametri, per creare metadati personalizzati per documentare il modello o caricare un artifact.
      Importante

      La dimensione massima consentita per tutti i metadati del modello è di 32000 byte. La dimensione è una combinazione della tassonomia del modello preimpostato e degli attributi personalizzati.

      1. Nella sezione Tassonomia modello aggiungere le etichette preimpostate come indicato di seguito.

        Immettere o selezionare quanto segue:

        Tassonomia modello
        Caso d'uso

        Il tipo di caso d'uso di machine learning da utilizzare.

        Framework del modello

        Libreria Python utilizzata per addestrare il modello.

        Versione framework del modello

        Versione del framework di apprendimento automatico. Questo è un valore di testo libero. Ad esempio, il valore potrebbe essere 2.3.

        Algoritmo del modello o oggetto valutatore del modello

        L'algoritmo utilizzato o la classe di istanza del modello. Questo è un valore di testo libero. Ad esempio, sklearn.ensemble.RandomForestRegressor potrebbe essere il valore.

        Iperparametri del modello

        Gli iperparametri del modello in formato JSON.

        Risultati test artifact

        L'output JSON dei risultati del test di introspezione viene eseguito sul lato client. Questi test sono inclusi nel codice boilerplate dell'artifact modello. È possibile eseguirle facoltativamente prima di salvare il modello nel catalogo modelli.

        Creare coppie di attributi etichetta-valore personalizzate
        Label

        L'etichetta chiave dei metadati personalizzati

        Value

        Il valore associato alla chiave

        Categoria

        (Facoltativo) La categoria dei metadati da molte scelte, tra cui:

        • prestazioni

        • profilo di formazione

        • set di dati di formazione e convalida

        • ambiente di addestramento

        • altro

        È possibile utilizzare la categoria per raggruppare e filtrare i metadati personalizzati da visualizzare nella console. Ciò è utile quando si dispone di molti metadati personalizzati di cui si desidera tenere traccia.

        descrizione;

        (Facoltativo) Immettere una descrizione univoca dei metadati personalizzati.

        Carica un artifact
        1. Per il modello in questione, per gli attributi della tassonomia, Licenza, Readme, Configurazione distribuzione e Configurazione FineTune o per gli attributi del modello personalizzato, selezionare Carica artifact dal menu Azioni Menu Azioni.
        2. Caricare un file artifact selezionando per eliminare il file o selezionando il file.
        3. Selezionare Carica.
        Scarica un artifact
        1. Per il modello in questione, selezionare Scarica artifact dal menu Azioni Menu Azioni.
        Elimina un artifact
        1. Per il modello in questione, selezionare Elimina artifact dal menu Azioni Menu Azioni.
        2. Selezionare Elimina.
      2. Selezionare Seleziona.
    6. (Facoltativo) Selezionare Mostra opzioni avanzate per modificare le tag.
    7. (Facoltativo) Nella sezione Tag aggiungere una o più tag a <resourceType>. Se si dispone delle autorizzazioni per creare una risorsa, si dispone anche delle autorizzazioni per applicare le tag in formato libero a tale risorsa. Per applicare una tag definita, è necessario disporre delle autorizzazioni per utilizzare la tag namespace. Per ulteriori informazioni sull'applicazione di tag, vedere Tag risorsa. Se non si è certi di applicare le tag, saltare questa opzione o chiedere a un amministratore. È possibile applicare le tag in un secondo momento.
    8. Selezionare Salva modifiche.

  • Utilizzare il comando oci data-science model update e i parametri necessari per modificare (aggiornare) un modello:

    oci data-science model update --model-id <model-id>... [OPTIONS]

    Per un elenco completo dei flag e delle opzioni variabili per i comandi CLI, consultare il manuale CLI Command Reference.

  • Utilizzare l'operazione UpdateModel per modificare (aggiornare) un modello.