Gestión de paquetes ML

Validaciones de paquete

Para el servicio

Para los modelos cargados con la marca Habilitar entrenamiento inactiva, cuando se carga un modelo, AI Center valida el archivo .zip cargado según los requisitos. Se realizan las siguientes tres comprobaciones:

1. Existe una carpeta raíz no vacía.
2. Existe un archivo requirements.txt.
3. Existe un archivo llamado main.py en la carpeta raíz que implementa una clase de tipo Main. La clase se valida posteriormente para implementar una función __init__y una función predict.

En la página Registros ML se mostrará el éxito o el fracaso, junto con los errores que lo causó.

Para el entrenamiento

Para los modelos cargados con la marca Habilitar entrenamiento activa, además de validar los requisitos, AI Center también valida el archivo .zip cargado con los requisitos. Para estos paquetes se realizan las siguientes dos comprobaciones:

1. Existe una carpeta raíz no vacía.
2. Existe un archivo llamado train.py en la carpeta raíz que implementa una clase de tipo Main. La clase se valida posteriormente para implementar una función __init__ y las siguientes funciones: train, evaluate, y save.

En la página Registros ML se mostrará el éxito o el fracaso, junto con los errores que lo causó.

Ver detalles de paquete ML

Selecciona un paquete de la lista para navegar a su página Paquete ML > [Nombre del paquete ML] .

En la pestaña Versión, consulta sus detalles: la versión del paquete, el momento de su creación, el registro de cambios, el estado, si el entrenamiento está habilitado o no, si se habilita la GPU recomendada y los argumentos.

Puedes encontrar más información sobre cada entrada en la versión de los paquetes ML seleccionando el icono de tres puntos ⁝ y luego Detalles. Se mostrará un cuadro de diálogo con toda la información sobre la versión del paquete.

En la pestaña Ejecuciones del proceso, consulta los detalles relacionados con las ejecuciones del proceso del paquete: nombre del paquete, tipo, versión, estado, momento de creación, duración, puntuación y detalles adicionales.

Control de versión

AI Center también admite versiones y la gestión de versiones de paquetes. Cuando se carga un paquete, se mostrará como la versión 1.0 de ese paquete (decimos que la versión principal es la 1 y la versión secundaria es la 0). Esto ayuda a diferenciar entre paquetes cargados por usuarios y paquetes reentrenados a través de procesos; en estos últimos solo cambia su versión secundaria.

Cargar nuevas versiones de paquete ML

Sigue estos pasos para cargar una nueva versión para un paquete ya cargado:

1. En la página Paquetes ML , selecciona el icono de tres puntos ⁝ junto a un paquete y selecciona la opción Cargar nueva versión .

   Como alternativa, en la página Paquete ML > [Nombre del paquete ML] , selecciona Cargar nueva versión. Se muestra la ventana Cargar nueva versión del paquete para > [Nombre del paquete ML] , con la mayoría de los campos rellenados previamente con la información que proporcionaste en el momento en que cargaste ese paquete por primera vez.

2. Selecciona Cargar paquete para seleccionar el archivo .zip deseado, o arrastra y suelta el archivo sobre este campo.
3. Opcional: actualice la información existente en los campos siguientes.
   • Descripción de entrada
   • Descripción de salida
   • Idioma
4. Opcional: en el campo Cambiar Registro , introduce lo que ha cambiado.
5. Selecciona si el modelo requiere una GPU; de forma predeterminada se establece en No.
6. Selecciona si habilitas el entrenamiento para tu modelo.
7. Selecciona Crear para cargar la nueva versión del paquete cargado existente o Cancelar para abortar el proceso. La ventana Cargar paquete se cierra y se carga la nueva versión del paquete. Pueden pasar unos minutos antes de que se propague la carga.

La nueva versión del paquete no es visible directamente en la página Paquetes ML. Puedes ver su información dentro de la página Detalles del paquete ML para ese paquete.

Aviso: Cuando se carga una nueva versión en un paquete existente, se crea una nueva versión principal. Por ejemplo, si he cargado mi primer paquete, esa carga será la versión 1.0. Cuando cargue una nueva versión, esa versión será la 2.0.

Versiones de paquete ML creadas por procesos de entrenamiento

Cuando un proceso de entrenamiento o un proceso completo se ejecuta correctamente en una versión de paquete, se crea una nueva versión secundaria. Por ejemplo, si he cargado un paquete (versión 1.0) e inicio un proceso de entrenamiento, la versión 1.1 se muestra después de completarse en la página Detalles del paquete ML como en la siguiente captura de pantalla:

Ver argumentos de paquete

En la pestaña Versión de la página Paquete ML > [Nombre del paquete ML] , selecciona el icono de información junto a una versión del paquete. Se mostrará la ventana Argumentos para > [Nombre del paquete ML] > [Versión del paquete ML] .

Se muestra el tipo de input y las descripciones de input y output de la versión del paquete seleccionada. Ten en cuenta que no se pueden editar los valores.

Eliminar paquetes ML

Los paquetes solo pueden eliminarse si no se implementan dentro de una habilidad y no se están ejecutando procesos en esos paquetes.

1. En la página Paquetes ML , selecciona el icono de tres puntos ⁝ junto a un paquete y selecciona Eliminar versiones no implementadas. Se mostrará una ventana de confirmación.
2. En la ventana de confirmación, selecciona Aceptar para eliminar todas las versiones no implementadas del paquete seleccionado. Si una versión del paquete forma parte de una habilidad (está activa), NO se eliminará. Si todas las versiones están inactivas, se eliminan todas.

O

1. En la pestaña Versión de la página Paquete ML > [Nombre del paquete ML] , selecciona el icono de tres puntos ⁝ junto a una versión del paquete y selecciona Eliminar. Se mostrará una ventana de confirmación.
2. En la ventana de confirmación, selecciona Aceptar para eliminar la versión seleccionada del paquete. Si una versión del paquete forma parte de una habilidad (está activa), NO se eliminará. Si esta es la única versión para el paquete seleccionado, el propio paquete también se elimina.