Verwalten von ML-Paketen

Hochladen von ML-Paketen

Wichtig:

Before uploading packages, make sure they are built as specified here.

Beim Erstellen eines DU ML-Pakets im AI Center™ darf der Paketname kein reserviertes Python-Schlüsselwort enthalten, z. B. class, break, from, finally, global, None usw. Wählen Sie einen anderen Namen aus. Die aufgeführten Beispiele sind nicht vollständig, da der Paketname für class <pkg-name> und import <pck-name> verwendet wird.

Führen Sie die folgenden Schritte aus, um ein bereits erstelltes Paket hochzuladen:

1. Klicken Sie auf der Seite ML-Pakete auf die Schaltfläche ZIP-Datei Hochladen. Die Seite Neues Paket erstellen wird angezeigt.

2. Geben Sie auf der Seite Neues Paket erstellen einen Namen für Ihr Paket ein.

3. Klicken Sie auf Paket hochladen, um die gewünschte .zip-Datei auszuwählen, oder ziehen Sie die .zip-Paketdatei per Drag and Drop in das Feld Paket hochladen.

4. (Optional) Geben Sie eine eindeutige Beschreibung des Modells an.

   Die Beschreibung wird angezeigt, während eine neue Fähigkeit basierend auf diesem Modell sowie auf der Seite ML-Pakete bereitgestellt wird.

5. Wählen Sie den Eingabetyp aus der Dropdownliste aus. Folgende Optionen stehen zur Auswahl:

   • json
   • Datei
   • Dateien

6. Optional: Geben Sie eine eindeutige Beschreibung der vom Modell erwarteten Eingabe ein.

7. Optional: Geben Sie eine eindeutige Beschreibung der vom Modell zurückgegebenen Ausgabe ein.

   Diese Beschreibungen sind für RPA-Entwickler sichtbar, die die Aktivität „ML-Fähigkeit“ in UiPath Studio verwenden. Als bewährte Vorgehensweise empfehlen wir, ein Beispiel für die Eingabe- und Ausgabeformate zu zeigen, um die Kommunikation zwischen Datenspezialisten und Entwicklern zu erleichtern.

8. Wählen Sie die Entwicklungssprache des Modells aus der Dropdownliste aus. Folgende Optionen stehen zur Auswahl:

   • Python 3.6
   • Python 3.7

9. Wählen Sie aus, ob das Machine Learning-Modell eine GPU benötigt oder nicht; standardmäßig ist dies auf „Nein“ festgelegt. Diese Informationen werden als Vorschlag dafür angezeigt, wann eine Fähigkeit aus diesem Paket erstellt wird.

10. Wählen Sie aus, ob Trainings für Ihr Modell aktiviert werden sollen. Dies passiert, wenn sie aktiviert sind:

    • Das Paket kann in jeder Pipeline verwendet werden.

    • Der Validierungsschritt prüft, ob die train.py-Datei im Paket implementiert ist, andernfalls schlägt die Validierung fehl.

      

11. Klicken Sie auf Erstellen, um das Paket hochzuladen, oder auf Abbrechen, um den Prozess abzubrechen. Das Fenster Neues Paket erstellen wird geschlossen, das Paket wird hochgeladen und zusammen mit seinen Details auf der Seite ML-Pakete > [ML-Paketname] angezeigt. Es kann einige Minuten dauern, bis Ihr Upload weitergegeben wird.

    

Paketvalidierungen

Für die Ausgabe

For models uploaded with the Enable Training flag inactive, when a model is uploaded, AI Fabric validates the uploaded .zip file against the requirements described here. The following three checks are performed:

1. Ein nicht leerer Stammordner ist vorhanden.
2. Eine requirements.txt-Datei ist vorhanden.
3. Im Stammordner ist eine Datei mit dem Namen main.py vorhanden, die eine Klasse Main implementiert. Die Klasse wird weiter validiert, um eine __init__- und eine predict-Funktion zu implementieren.

Erfolg oder Fehlschlag sowie die Fehler, die dazu führten, werden auf der Seite ML-Protokolle angezeigt.

Für das Training

For models uploaded with the Enable Training flag active, in addition to validating the requirements as above, AI Fabric also validates the uploaded .zip file against the requirements described here. For these packages the following two checks are performed:

1. Ein nicht leerer Stammordner ist vorhanden.
2. Im Stammordner ist eine Datei mit dem Namen train.py vorhanden, die eine Klasse Main implementiert. Die Klasse wird weiter validiert, um eine __init__-Funktion und die folgenden Funktionen zu implementieren: train, evaluate und save.

Erfolg oder Fehlschlag sowie die Fehler, die dazu führten, werden auf der Seite ML-Protokolle angezeigt.

Anzeigen von ML-Paketdetails

Klicken Sie auf ein Paket in der Liste und rufen Sie ML-Paket > [ML-Paketname] auf.

Zeigen Sie auf der Registerkarte Version die Details an: Paketversion, Erstellungszeit, Änderungsprotokoll, Status und Argumente.

Zeigen Sie auf der Registerkarte Pipelineausführungen die Details im Zusammenhang mit den Pipelineausführungen des Pakets an: Paketname, Typ, Version, Status, Erstellungszeit, Dauer, Punktzahl und zusätzliche Details.

Versionskontrolle

AI Fabric also supports versioning and version management of packages. When a package is uploaded, it's displayed as version 1.0 of that package (we say it's Major Version is 1, and Minor Version is 0). This helps with differentiating between packages uploaded by users, and packages retrained via pipelines, the latter only changing their minor version.

Hochladen neuer ML-Paketversionen

Führen Sie die folgenden Schritte aus, um eine neue Version für ein bereits hochgeladenes Paket hochzuladen:

1. In the ML Packages page, click ⋮ next to a package and select the Upload new version option.

   Alternativ klicken Sie auf der Seite ML-Paket > [ML-Paketname] auf Neue Version hochladen. Das Fenster Neue Paketversion hochladen für > [ML-Paketname] wird angezeigt, wobei die meisten Felder mit den Informationen ausgefüllt sind, die Sie zum Zeitpunkt des ersten Hochladens dieses Pakets angegeben haben.

2. Klicken Sie auf Paket hochladen, um die gewünschte .zip-Datei auszuwählen, oder ziehen Sie die Datei per Drag and Drop zu diesem Feld.

3. (Optional) Aktualisieren Sie die vorhandenen Informationen in den folgenden Feldern:

   • Eingabebeschreibung
   • Ausgabebeschreibung
   • Sprache

4. Optional: Geben Sie im Feld Änderungsprotokoll ein, was sich geändert hat.

5. Wählen Sie aus, ob das Modell eine GPU benötigt; standardmäßig ist dies auf „Nein“ festgelegt.

6. Wählen Sie aus, ob Trainings für Ihr Modell aktiviert werden sollen.

7. Klicken Sie auf Erstellen, um die neue Version für das vorhandene hochgeladene Paket hochzuladen, oder auf Abbrechen, um den Prozess abzubrechen. Das Fenster Paket hochladen wird geschlossen und die neue Version des Pakets hochgeladen. Es kann einige Minuten dauern, bis Ihr Upload weitergegeben wird.

   

Die neue Version des Pakets ist nicht direkt auf der Seite ML-Pakete sichtbar. Sie können die Informationen auf der Seite ML-Paketdetails für dieses Paket anzeigen.

Hinweis:

Wenn eine neue Version in ein vorhandenes Paket hochgeladen wird, wird eine neue Hauptversion erstellt. Wenn ich beispielsweise mein erstes Paket hochgeladen habe, ist dieser Upload Version 1.0. Wenn ich eine neue Version hochlade, ist dies Version 2.0.

ML-Paketversionen erstellt durch Trainingspipelines

Wenn eine Trainingspipeline oder eine vollständige Pipeline erfolgreich auf einer Paketversion ausgeführt wird, wird eine neue Nebenversion erstellt. Wenn ich z. B. ein Paket (Version 1.0) hochgeladen und eine Trainingspipeline gestartet habe, wird nach Abschluss Version 1.1 auf der Seite ML-Paketdetails wie im Folgenden angezeigt:

Anzeigen von Paketargumenten

In the ML Package > [ML Package Name] page Version tab, click the information icon next to a package version. The Arguments for > [ML Package Name] > [ML Package Version] window is displayed.

Der Eingabetyp und die Eingabe- und Ausgabebeschreibungen der ausgewählten Paketversion werden angezeigt. Bitte beachten Sie, dass Sie die Werte nicht bearbeiten können.

Löschen von ML-Paketen

Pakete können nur gelöscht werden, wenn sie nicht innerhalb einer Fähigkeit bereitgestellt werden und derzeit keine Pipelines mit diesen Paketen ausgeführt werden.

1. In the ML Packages page, click ⋮ next to a package and select Delete undeployed versions. A confirmation window is displayed.
2. Klicken Sie im Bestätigungsfenster auf OK, um alle nicht bereitgestellten Versionen des ausgewählten Pakets zu löschen. Wenn eine Paketversion Teil einer Fähigkeit ist (sie ist aktiv), wird sie NICHT gelöscht. Wenn alle Versionen inaktiv sind, werden sie alle gelöscht.

ODER

1. In the ML Package > [ML Package Name] page Version tab, click ⋮ next to a package version and select Delete. A confirmation window is displayed.
2. Klicken Sie im Bestätigungsfenster auf OK, um die ausgewählte Paketversion zu löschen. Wenn eine Paketversion Teil einer Fähigkeit ist (sie ist aktiv), wird sie NICHT gelöscht. Wenn dies die einzige Version für das ausgewählte Paket ist, wird auch das Paket selbst gelöscht.