Utilizzare i passi riportati di seguito per esportare un artifact modello da un bucket di storage degli oggetti a un bucket del servizio Data Science.
Nota
È possibile eseguire un'esportazione solo utilizzando le API dell'SDK Java, dell'interfaccia CLI e dell'SDK Python ADS. Impossibile eseguire un'esportazione dalla console.
-
Aggiungere i criteri richiesti:
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>'}
-
Caricare l'artifact modello in un bucket di storage del servizio Data Science.
-
Chiamare l'endpoint di esportazione. Includere i parametri necessari, ad esempio
artifactSourceType, sourceBucket, sourceObjectName, namespace e sourceRegion.
Ad esempio:
#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.
)
)
Importante
Se si specifica bucket_uri, è necessario specificare anche region per evitare errori durante lo scaricamento di file di dimensioni superiori a 2 GB.
È stata creata una richiesta di lavoro per l'azione di esportazione. È possibile controllare lo stato della richiesta di lavoro per caricare l'artifact del modello nel bucket del servizio Data Science dalla scheda Richieste di lavoro.