Documentação do Oracle Cloud Infrastructure

Edição de um Modelo

Você pode editar (atualizar) algumas opções de modelo do Data Science.

Se você tiver adicionado metadados a um modelo, poderá editar a proveniência e a taxonomia. Não é possível editar os esquemas de entrada e saída.

Você pode editar o nome e a descrição do modelo; todas as outras opções são inalteráveis. Você pode alterar um modelo carregando-o novamente em uma sessão de notebook, fazendo alterações e, em seguida, salvando-o como novo modelo.

    1. Na página de modelos, selecione o nome do modelo. Se precisar de ajuda para encontrar a lista de modelos, consulte Listando Modelos.

      A página de detalhes do modelo é aberta.

    2. Selecione Editar.
    3. (Opcional) Altere o nome, a descrição ou o label da versão.
    4. (Opcional) Na caixa Proveniência do modelo, selecione Selecionar.
      1. Selecione Sessão de notebook ou Execução de job, dependendo de onde deseja armazenar a documentação de taxonomia.
      2. Localize a sessão de notebook ou a execução de job com a qual o modelo foi treinado usando uma das seguintes opções:
        Selecionar um projeto:

        Selecione o nome do projeto a ser usado no compartimento selecionado.

        O compartimento selecionado se aplica ao projeto e à sessão de notebook ou à execução do job e ambos devem estar no mesmo compartimento. Caso contrário, use a pesquisa de OCID.

        Você pode alterar o compartimento do projeto, da sessão de notebook ou da execução do job.

        O nome do projeto a ser usado no compartimento selecionado.

        Selecione a sessão de notebook ou a execução de jobs com a qual o modelo foi treinado.

        Pesquisa do OCID:

        Se a sessão de notebook ou a execução do job estiver em um compartimento diferente do projeto, informe o OCID da sessão de notebook ou da execução do job no qual você treinou o modelo.

      3. Selecione a sessão de notebook ou a execução de jobs com a qual o modelo foi treinado.
      4. (Opcional) Selecione Mostrar opções avançadas para identificar Git e modelar informações de treinamento.

        Informe ou selecione um dos valores a seguir:

        URL do repositório Git

        O URL do repositório Git remoto.

        Commit do Git

        O ID de commit do repositório Git.

        Ramificação Git

        O nome da ramificação.

        Diretório do modelo local

        O caminho do diretório no qual o artefato de modelo foi armazenado temporariamente. Pode ser um caminho em uma sessão de notebook ou um diretório de computador local, por exemplo.

        Script de treinamento de modelo

        O nome do script Python ou sessão de notebook com o qual o modelo foi treinado.

        Dica

        Você também pode preencher os metadados de proveniência de modelo ao salvar um modelo no catálogo usando os SDKs ou a CLI do OCI.

      5. Selecione Selecionar.
    5. (Opcional) Na caixa Taxonomia do modelo, selecione Selecionar para especificar o que o modelo faz, a estrutura de aprendizado de máquina, os hiperparâmetros, para criar metadados personalizados para documentar o modelo ou para fazer upload de um artefato.
      Importante

      O tamanho máximo permitido para todos os metadados do modelo é de 32000 bytes. O tamanho é uma combinação da taxonomia de modelo predefinido e dos atributos personalizados.

      1. Na seção Taxonomia de modelo, adicione labels predefinidos da seguinte forma:

        Digite ou selecione o seguinte:

        Taxonomia de modelo
        Caso de uso

        O tipo de caso de uso de aprendizado de máquina a ser usado.

        Estrutura do modelo

        A biblioteca Python que você usou para treinar o modelo.

        Versão do framework do modelo

        A versão do framework de aprendizado de máquina. Esse é um valor de texto livre. Por exemplo, o valor pode ser 2.3.

        Algoritmo de modelo ou objeto estimador de modelo

        O algoritmo usado ou a classe de instância de modelo. Esse é um valor de texto livre. Por exemplo, sklearn.ensemble.RandomForestRegressor poderia ser o valor.

        Hiperparâmetros do modelo

        Os hiperparâmetros do modelo no formato JSON.

        Resultados do teste de artefato

        A saída JSON dos resultados do teste de introspecção é executada no cliente. Esses testes são incluídos no código de texto padronizado do artefato de modelo. Você pode executá-los opcionalmente antes de salvar o modelo no catálogo de modelos.

        Criar pares de atributos personalizados de label e valor
        Label

        O label de chave dos metadados personalizados

        Valor

        O valor anexado à chave

        Categoria

        (Opcional) A categoria dos metadados entre muitas opções, incluindo:

        • desempenho

        • perfil de treinamento

        • conjuntos de dados de treinamento e validação

        • ambiente de treinamento

        • outros

        Você pode usar a categoria para agrupar e filtrar metadados personalizados a serem exibidos na Console. Isso é útil quando você tem muitos metadados personalizados que deseja rastrear.

        Descrição

        (Opcional) Informe uma descrição exclusiva dos metadados personalizados.

        Fazer upload de um artefato
        1. Para o modelo em questão, para os atributos de taxonomia, Licença, Leiame, Configuração de Implantação e Configuração FineTune, ou para atributos de modelo personalizados, selecione Fazer upload de artefato no menu Ações (três pontos).
        2. Faça upload de um arquivo de artefato selecionando para soltar o arquivo ou selecionando o arquivo.
        3. Selecione Fazer Upload.
        Fazer download de um artefato
        1. Para o modelo em questão, selecione Fazer download do artefato no menu Ações (três pontos).
        Excluir um artefato
        1. Para o modelo em questão, selecione Excluir artefato no menu Ações (três pontos).
        2. Selecione Deletar.
      2. Selecione Selecionar.
    6. (Opcional) Selecione Mostrar Opções Avançadas para alterar tags.
    7. (Opcional) Na seção Tags, adicione uma ou mais tags ao resourceType. Se você tiver permissões para criar um recurso, também terá permissões para aplicar tags de formato livre a esse recurso. Para aplicar uma tag definida, você deve ter permissões para usar o namespace da tag. Para obter mais informações sobre tags, consulte Tags de Recursos. Se você não tiver certeza se deseja aplicar tags, ignore essa opção ou pergunte a um administrador. Você pode aplicar as tags posteriormente.
    8. Selecione Salvar alterações.

  • Use o comando oci data-science model update e os parâmetros necessários para editar (atualizar) um modelo:

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

    Para obter uma lista completa de flags e opções de variáveis para comandos da CLI, consulte a Referência de Comando da CLI.

  • Use a operação UpdateModel para editar (atualizar) um modelo.