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 descritos aquí. 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 anteriores, AI Center valida también el archivo .zip cargado según los requisitos descritos aquí. 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

Haz clic en un paquete en la lista para ir 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 haciendo clic en el icono ⁝ y luego en Detalles. Se mostrará así un cuadro de diálogo con toda la información de 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, haz clic en ⁝ que se encuentra junto a un paquete y selecciona la opción Cargar nueva versión.

   Como alternativa, en la página Paquete ML > [Nombre del paquete ML], haz clic en Cargar nueva versión. Se mostrará así la ventana Cargar nueva versión del paquete para > [Nombre del paquete ML], y la mayoría de los campos se rellenarán previamente con la información que proporcionaste cuando cargaste ese paquete por primera vez.

2. Haz clic en 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. Haz clic en Crear para cargar la nueva versión para el paquete cargado existente o en Cancelar para abortar el proceso. Se cerrará la ventana Cargar paquete y se cargará la nueva versión del paquete. Puede tardar unos minutos antes de que tu carga se propague.
   
   

   

   
   

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 con éxito 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, se mostrará la versión 1.1 después de completarse en la página Detalles del paquete ML de la siguiente manera:

Ver argumentos de paquete

En la página Paquete ML > [Nombre del paquete ML], desde la pestaña Versión, haz clic en el icono de información situado junto a la versión de un 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, haz clic en ⁝ que se encuentra junto a un paquete y selecciona Eliminar versiones no implementadas. Se mostrará una ventana de confirmación.
2. En la ventana de confirmación, haz clic en Aceptar para eliminar todas las versiones no implementadas del paquete seleccionado. Si una versión de un paquete forma parte de una habilidad (está activa) esta NO se borrará. Si todas las versiones están inactivas, se eliminan todas.

O

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