Introducción a la gestión de aplicaciones de IA
El desarrollo y la optimización de la IA requieren iteraciones y depuración frecuentes. Las modificaciones en los conjuntos de datos, el código de entrenamiento o los parámetros afectan a la calidad de los modelos. Si los metadatos del proceso de desarrollo no se pueden gestionar de forma centralizada, es posible que el modelo óptimo no se reproduzca.
La gestión de aplicaciones de IA de ModelArts le permite importar todos los metamodelos obtenidos con el entrenamiento, los metamodelos cargados a OBS y los metamodelos en imágenes de contenedor. De esta manera, puede gestionar de forma centralizada todas las aplicaciones de IA iteradas y depuradas.
Restricciones
- En un proyecto ExeML, después de implementar un modelo, el modelo se carga automáticamente a la lista de gestión de aplicaciones de IA. Sin embargo, las aplicaciones de IA generadas por ExeML no se pueden descargar y solo se pueden usar para despliegue y lanzamiento.
- Funciones como la creación de aplicaciones de IA, la gestión de versiones de aplicaciones de IA y la conversión de modelos están disponibles de forma gratuita para todos los usuarios.
Escenarios para crear aplicaciones de IA
- Importado de un trabajo de entrenamiento: crear un trabajo de entrenamiento en ModelArts y entrenar un modelo. Después de obtener un modelo satisfactorio, úselo para crear una aplicación de IA y desplegar la aplicación como servicios.
- Importado desde OBS: Si utiliza un marco general para desarrollar y entrenar un modelo localmente, puede cargar el modelo en un bucket de OBS según las especificaciones del paquete de modelo, importar el modelo desde OBS a ModelArts, y usar el modelo para crear una aplicación de IA para el despliegue de servicios.
- Importado desde una imagen de contenedor: Si ModelArts no admite un motor de IA, puede usarlo para crear un modelo, importar el modelo a ModelArts como una imagen personalizada, usar la imagen para crear una aplicación de IA y desplegar la aplicación de IA como servicios.
- Importado desde una plantilla: Debido a que las configuraciones de los modelos con las mismas funciones son similares, ModelArts integra las configuraciones de dichos modelos en una plantilla general. Con esta plantilla, puede importar modelos y crear aplicaciones de IA de forma fácil y rápida sin escribir el archivo de configuración config.json.
La importación de un modelo desde una plantilla dejará de estar disponible en breve. Después de desconectarse, puede usar las plantillas para el motor de IA y las configuraciones de modelo eligiendo OBS, configurando AI Engine en Custom e importando su motor de IA personalizado.
Funciones de la gestión de aplicaciones de IA
|
Función admitida |
Descripción |
|---|---|
|
Importar los modelos capacitados a ModelArts y crear las aplicaciones de IA para una gestión centralizada. A continuación proporcionarse la guía de operación para cada método de importación de modelos. |
|
|
Después de crear una aplicación de IA, puede ver su información en la página de detalles. |
|
|
Para facilitar el seguimiento y el ajuste del modelo, el ModelArts proporciona la función de gestión de versiones de la aplicación de IA. Puede gestionar aplicaciones de IA por versión. |
Motores de IA compatibles para la inferencia de ModelArts
Si importa un modelo desde una plantilla u OBS para crear una aplicación de IA, se admiten los siguientes motores y versiones de IA.
- Los entornos de tiempo de ejecución marcados con recommended son imágenes de tiempo de ejecución unificadas, que se utilizarán como imágenes de inferencia base convencionales. Los paquetes de instalación de imágenes unificadas son más ricos. Para obtener más información, consulte Imágenes de inferencia de base.
- Las imágenes de la versión anterior serán descontinuadas. Utilice imágenes unificadas.
- Las imágenes base que se van a eliminar ya no se mantienen.
- Nombre una imagen unificada en tiempo de ejecución: <AI engine name and version> - <Hardware and version: CPU, CUDA, or CANN> - <Python version> - <OS version> - <CPU architecture>
|
Motor |
Tiempo de ejecución |
Nota |
|---|---|---|
|
TensorFlow |
python3.6 python2.7 (próximamente no disponible) tf1.13-python3.6-gpu tf1.13-python3.6-cpu tf1.13-python3.7-cpu tf1.13-python3.7-gpu tf2.1-python3.7 (próximamente no disponible) tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64 (recomendado) |
|
|
Spark_MLlib |
python2.7 (próximamente no disponible) python3.6 (próximamente no disponible) |
|
|
Scikit_Learn |
python2.7 (próximamente no disponible) python3.6 (próximamente no disponible) |
|
|
XGBoost |
python2.7 (próximamente no disponible) python3.6 (unavailable soon) |
|
|
PyTorch |
python2.7 (próximamente no disponible) python3.6 python3.7 pytorch1.4-python3.7 pytorch1.5-python3.7 (unavailable soon) pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64 (recomendado) |
|
|
MindSpore |
aarch64 (recomendado) |
AArch64 solo puede ejecutarse en chips Snt3. |
