Documentación de Oracle Cloud Infrastructure

Edición de un modelo

Puede editar (actualizar) algunas opciones del modelo de Data Science.

Si ha agregado metadatos a un modelo, puede editar la procedencia y la taxonomía. No es posible editar los esquemas de entrada y salida.

Puede editar el nombre y la descripción del modelo; el resto de opciones no son modificables. Puede cambiar un modelo cargándolo de nuevo en una sesión de bloc de notas, realizando cambios y luego guardando el modelo como un modelo nuevo.

    1. En la página de modelos, seleccione el nombre del modelo. Si necesita ayuda para buscar la lista de modelos, consulte Listado de modelos.

      Se abre la página de detalles del modelo.

    2. Seleccione Editar.
    3. (Opcional) Cambie el nombre, la descripción o la etiqueta de versión.
    4. (Opcional) En el cuadro Procedencia de modelo, seleccione Seleccionar.
      1. Seleccione Sesión de libro de notas o Ejecución de trabajo según dónde desee almacenar la documentación de la taxonomía.
      2. Busque la sesión de bloc de notas o la ejecución del trabajo con la que se entrenó el modelo mediante una de las siguientes opciones:
        Seleccionar un proyecto:

        Seleccione el nombre del proyecto que desea utilizar en el compartimento seleccionado.

        El compartimento seleccionado se aplica tanto al proyecto como a la sesión de Notebook o a la ejecución de trabajos, y ambos deben estar en el mismo compartimento. Si no es así, utilice en su lugar la búsqueda de OCID.

        Puede cambiar el compartimento tanto para el proyecto como para la sesión de libro de notas o la ejecución de trabajos.

        Nombre del proyecto que se va a utilizar en el compartimento seleccionado.

        Seleccione la sesión de Notebook o la ejecución de trabajo con la que se entrenó el modelo.

        Búsqueda de OCID:

        Si la sesión de bloc de notas o la ejecución del trabajo están en un compartimento diferente al del proyecto, introduzca el OCID de la sesión de bloc de notas o de la ejecución del trabajo en el que ha entrenado el modelo.

      3. Seleccione la sesión de Notebook o la ejecución de trabajo con la que se entrenó el modelo.
      4. (Opcional) Seleccione Mostrar opciones avanzadas para identificar la información de entrenamiento de Git y modelo.

        Introduzca o seleccione cualquiera de los siguientes valores:

        URL de repositorio de git

        URL del repositorio remoto de Git.

        Confirmación de git

        ID de confirmación del repositorio de Git.

        Rama de git

        Nombre de la rama.

        Directorio de modelo local

        Ruta de acceso al directorio donde se ha almacenado temporalmente el artefacto de modelo. Puede ser una ruta de acceso en una sesión de bloc de notas o un directorio de computadora local, por ejemplo.

        Script de entrenamiento del modelo

        Nombre del script o la sesión de Notebook de Python con el que se ha entrenado el modelo.

        Consejo

        También puede rellenar los metadatos de procedencia del modelo al guardar un modelo en el catálogo de modelos mediante los SDK de OCI o la CLI.

      5. Seleccione Seleccionar.
    5. (Opcional) En el cuadro Taxonomía de modelo, seleccione Seleccionar para especificar lo que hace el modelo, el marco de aprendizaje automático, los hiperparámetros, para crear metadatos personalizados para documentar el modelo o para cargar un artefacto.
      Importante

      El tamaño máximo permitido para todos los metadatos del modelo es de 32000 bytes. El tamaño es una combinación de la taxonomía de modelo predefinida y los atributos personalizados.

      1. En la sección Taxonomía de modelo, agregue etiquetas predefinidas de la siguiente manera:

        Introduzca o seleccione lo siguiente:

        Taxonomía del modelo
        Casos prácticos

        Tipo de caso de uso de aprendizaje automático que se va a utilizar.

        Marco de modelos

        Biblioteca de Python que ha utilizado para entrenar el modelo.

        Versión del marco de modelo

        Versión del marco de Machine Learning. Este es un valor de texto libre. Por ejemplo, el valor podría ser 2,3.

        Algoritmo de modelo u objeto de estimador de modelo

        Algoritmo utilizado o la clase de instancia de modelo. Este es un valor de texto libre. Por ejemplo, sklearn.ensemble.RandomForestRegressor podría ser el valor.

        hiperparámetros de modelo

        Hiperparámetros del modelo en formato JSON.

        Resultados de la prueba de artefactos

        Salida JSON de los resultados de la prueba de introspección que se ha ejecutado en el cliente. Estas pruebas se incluyen en el código fijo del artefacto de modelo. Puede ejecutarlos de forma opcional antes de guardar el modelo en el catálogo de modelos.

        Creación de pares de atributos de etiqueta y valor personalizados
        Etiqueta

        Etiqueta de clave de los metadatos personalizados

        Valor

        Valor asociado a la clave

        Category

        (Opcional) Categoría de los metadatos entre muchas opciones, que incluyen:

        • rendimiento

        • training profile

        • training and validation datasets

        • training environment

        • Otro

        Puede utilizar la categoría para agrupar y filtrar metadatos personalizados que se mostrarán en la consola. Esto es útil si tiene muchos metadatos personalizados de los que desea realizar un seguimiento.

        Descripción

        (Opcional) Introduzca una descripción única de los metadatos personalizados.

        Cargue un artefacto
        1. Para el modelo en cuestión, para los atributos de taxonomía, Licencia, Léame, Configuración de despliegue y Configuración FineTune, o para los atributos de modelo personalizados, seleccione Cargar artefacto en el menú Acciones (tres puntos).
        2. Cargue un archivo de artefacto seleccionando borrar el archivo o seleccionando el archivo.
        3. Seleccione Cargar.
        Descarga de un artefacto
        1. Para el modelo en cuestión, seleccione Descargar artefacto en el menú Acciones (tres puntos).
        Suprimir un artefacto
        1. Para el modelo en cuestión, seleccione Suprimir artefacto en el menú Acciones (tres puntos).
        2. Seleccione Suprimir.
      2. Seleccione Seleccionar.
    6. (Opcional) Seleccione Mostrar opciones avanzadas para cambiar las etiquetas.
    7. (Opcional) En la sección Etiquetas, agregue una o más etiquetas a resourceType. Si tiene permisos para crear un recurso, también tiene permisos para aplicar etiquetas de formato libre a dicho recurso. Para aplicar una etiqueta definida, debe tener permisos para utilizar el espacio de nombres de la etiqueta. Para obtener más información sobre el etiquetado, consulte Etiquetas de recursos. Si no está seguro de si desea aplicar etiquetas, omita esta opción o pregunte a un administrador. Puede aplicar etiquetas más tarde.
    8. Seleccione Guardar cambios.

  • Utilice el comando oci data-science model update y los parámetros necesarios para editar (actualizar) un modelo:

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

    Para obtener una lista completa de los indicadores y las opciones de variables para los comandos de la CLI, consulte la Referencia de comandos de la CLI.

  • Utilice la operación UpdateModel para editar (actualizar) un modelo.