Acerca de los registros ML

La página Registros ML, accesible desde el menú Registros ML después de seleccionar un proyecto, es una vista consolidada de todos los eventos relacionados con el proyecto.

Eventos de validación de un paquete ML

Cuando se carga un modelo, si el modelo no se marca como Entrenable, AI Fabric valida el archivo .zip cargado según los siguientes requisitos:

• Existe una carpeta raíz que no está vacía con el mismo nombre que el archivo .zip.
• Existe un archivo requirements.txt.
• Existe un archivo llamado main.py que implementa una clase de tipo Main. La clase se valida posteriormente para implementar una función __init__y una función predict.

Si el modelo se marca como Entrenable, AI Fabric valida el archivo .zip cargado según los siguientes requisitos:

• Existe una carpeta raíz que no está vacía con el mismo nombre que el archivo .zip.
• Existe un archivo requirements.txt.
• Existe un archivo llamado main.py que implementa una clase de tipo Main. La clase se valida posteriormente para implementar una función __init__y una función predict.
• Un archivo llamado train.py que implementa una clase de tipo Main. La clase se valida posteriormente para implementar una función __init__, así como las funciones train, evaluate y save.
• Note that an optional train_requirements.txt file can be added; if not included, the validation still passes.

Los registros ML de esta categoría ilustran los tiempos de inicio y fin de la validación, y los errores de validación, si los hubiera.

Eventos de un proceso

Cuando un proceso se inicia o falla, se muestra aquí.

Eventos de implementación de habilidades ML

Cuando se crea una habilidad, AI Fabric la implementa. Esto abarca la instalación de dependencias, la ejecución de un determinado número de comprobaciones de seguridad y optimizaciones, la configuración de la red dentro del espacio de nombres del tenant, la creación de un contenedor con un determinado número de réplicas del paquete correspondiente y la comprobación final del estado de la habilidad.

Los registros ML de esta categoría ilustran los tiempos de inicio y fin de la implementación, y los errores de implementación, si los hubiera.

Eventos de predicciones de la habilidad ML

Cuando se sirve una habilidad activa, si se produce un error de predicción (una excepción del código python), la excepción correspondiente se encuentra en este componente.