Gerenciar pacotes de ML

Observação:

A partir da 2022.10, a importação e exportação de Pacotes de ML usando scripts não é mais suportada.

Consulte as seções Importar pacote de ML e Baixar pacotes de ML para obter mais informações sobre como importar e exportar Pacotes de ML usando a interface gráfica.

Carregar pacotes de ML

Existem três maneiras que você pode usar para criar um novo pacote:

• Carregar arquivo zip: use essa opção quando tiver um arquivo zip preparado.
• Pacotes para uso imediato: use essa opção quando quiser usar um Pacote de ML desenvolvido pela UiPath ou pela comunidade de código aberto.
• Importar pacote de ML: use essa opção para importar um pacote que já tenha sido exportado do UiPath AI Center .
  Observação: para acessar a página Importar pacote de ML, certifique-se de ter a função OOB_UPLOAD atribuída ao nível do tenant. Para obter mais informações, consulte Gerenciamento de permissões ao nível do tenant.

Carregar arquivo compactado

Importante:

Antes de carregar pacotes, certifique-se de que eles tenham sido criados conforme especificado aqui.

Ao criar um pacote de ML no AI Center, ele não pode ser nomeado usando nenhuma palavra-chave reservada do python, como class, break, from, finally, global, None, etc. Certifique-se de escolha outro nome. Os exemplos listados não estão completos, pois o nome do pacote é usado para class <pkg-name> e import <pck-name>.

Siga essas etapas para carregar um pacote já criado:

1. Na página Pacotes de ML, clique no botão Carregar arquivo zip. A página Criar novo pacote é exibida.
2. Na página Criar novo pacote, insira um nome para seu pacote.
3. Clique em Carregar pacote para selecionar o arquivo .zip desejado ou arraste e solte o arquivo .zip do pacote no campo Carregar pacote.
4. (Opcionalmente) Forneça uma descrição clara do modelo.

   A descrição é exibida ao implantar uma nova habilidade com base nesse modelo, bem como na página Pacotes de ML.

5. Selecione o tipo de entrada no menu suspenso. As opções possíveis são:
   • JSON
   • .xml
   • .csv
6. Opcional: insira uma descrição clara da entrada esperada pelo modelo.
7. Opcional: Insira uma descrição clara da saída retornada pelo modelo.
   Essas descrições são visíveis para os desenvolvedores do RPA usando a Atividade ML Skill no UiPath Studio. Como uma boa prática, é recomendável mostrar um exemplo dos formatos de entrada e saída para facilitar a comunicação entre cientistas de dados e desenvolvedores.
8. Selecione o idioma de desenvolvimento do modelo no menu suspenso. As opções possíveis são:
   • Python 3.7
   • Python 3.8
   • Python 3.8 OpenCV
9. Selecione se o modelo de machine learning requer uma GPU; por padrão, é definido como Não. Essas informações são exibidas como uma sugestão para quando uma habilidade é criada a partir desse pacote.
10. Selecione habilitar treinamento ou não para o seu modelo. É isso o que acontece se você o habilitou:
    • O pacote pode ser usado em qualquer pipeline.
    • A etapa de validação verifica se o arquivo train.py é implementado no pacote; caso contrário, a validação falhará.
11. Clique em Criar para carregar o pacote ou em Cancelar para anular o processo. A janela Criar novo pacote é fechada, e o pacote é carregado e exibido juntamente com seus detalhes na página Pacotes de ML > [Nome do pacote de ML]. Pode levar alguns minutos antes que seu carregamento seja propagado.

Importar pacote de ML

Siga estas etapas para carregar um pacote exportado do UiPath® AI Center:

1. Na página Pacotes de ML, clique no botão Importar pacote de ML. A página Importar novo pacote é exibida.
2. No campo Upload package, adicione o arquivo zip baixado usando o procedimento Baixar pacotes de ML.
3. No campo Carregar json de metadados, adicione o arquivo json baixado usando o procedimento acima.
4. Clique em Criar.

Pacotes privados

• O pacote importado terá o mesmo nome que no ambiente de exportação, obtido a partir do arquivo de metadados. Se um pacote com o mesmo nome já existir, o campo version dos metadados será verificado em seguida. Se a versão for a mesma, uma nova versão secundária será criada. Por exemplo, se você importar um pacote chamado New Package, versão 7 e já tiver um pacote com o mesmo nome, mas a versão 7.3 existir, o novo pacote importado terá a versão 7.4. Se não houver versão, o pacote criado terá a próxima versão principal disponível.
• Se o nome obtido dos metadados do pacote importado não existir no ambiente de destino, o novo nome do pacote será criado no ambiente de destino.

Pacotes públicos

• O pacote importado terá o mesmo nome que no ambiente de exportação, obtido a partir do arquivo de metadados. Se um pacote com o mesmo nome já existir, o campo sourcePackageVersion dos metadados será verificado em seguida para o sourcePackageVersion no ambiente de destino. Depois disso, a próxima versão secundária será carregada. Certifique-se de alterar a versão no ambiente de destino, ou alterar o campo sourcePackageVersion no arquivo de metadados para a versão disponível no ambiente de destino.

• Se o nome obtido dos metadados do pacote importado não existir no ambiente de destino, o novo nome do pacote será criado no ambiente de destino.

Validações de pacotes

Para servir

Para modelos carregados com a flag Habilitar treinamento inativa, quando um modelo é carregado, o AI Center valida o arquivo .zip em relação aos requisitos descritos aqui. As três verificações a seguir são realizadas:

1. Existe uma pasta raiz não vazia.
2. Existe um arquivo requirements.txt.
3. Existe um arquivo chamado main.py na pasta raiz, que implementa uma classe Main. A classe é validada adicionalmente para implementar uma função predicte uma função __init__.

Sucesso ou falha juntamente com quaisquer erros que causaram, são exibidos na página Logs de ML.

Para treinamento

Para modelos carregados com a flag Habilitar treinamento ativa, além de validar os requisitos da forma acima, o AI Center também valida o arquivo carregado .zip em relação aos requisitos descritos aqui. Para esses pacotes, são realizadas as duas verificações a seguir:

1. Existe uma pasta raiz não vazia.
2. Existe um arquivo chamado train.py na pasta raiz, que implementa uma classe Main. A classe é validada adicionalmente para implementar uma função __init__ e as seguintes funções: train, evaluate e save.

Sucesso ou falha juntamente com quaisquer erros que causaram, são exibidos na página Logs de ML.

Visualização dos detalhes do pacote de ML

Clique em um pacote na lista para navegar até sua página Pacote de ML > [Nome do pacote de ML].

No guia Versão, visualize seus detalhes: a versão do pacote, tempo de criação, log de alterações, status, se o treinamento está habilitado ou não , se a GPU recomendada está habilitada ou não e os argumentos.

É possível encontrar mais informações em cada entrada na versão dos pacotes de ML, clicando no ícone ⁝ e, em seguida, em Detalhes. Será exibida uma caixa de diálogo com todas as informações da versão do pacote.

Na guia Execuções do pipeline, visualize os detalhes relacionados às execuções do pipeline do pacote: nome do pacote, tipo, versão, status, tempo de criação, duração, pontuação e detalhes adicionais.

Controle da versão

O AI Center também suporta controle de versões e gerenciamento de versões de pacotes. Quando um pacote é carregado, ele é exibido como a versão 1.0 desse pacote (dizemos que sua versão principal é 1 e a versão secundária é 0). Isso ajuda a diferenciar pacotes carregados pelos usuários e pacotes retreinados por meio de pipelines, com estes últimos apenas alterando sua versão secundária.

Carregamento de novas versões do pacote de ML

Siga essas etapas para carregar uma nova versão para um pacote já carregado:

1. Na página Pacotes de ML, clique em ⁝ ao lado de um pacote e selecione a opção Carregar nova versão.

   Ou então, na página Pacote de ML > [Nome do pacote de ML], clique em Carregar nova versão. A janela Carregar nova versão do pacote para > [Nome do pacote de ML] é exibida, com a maioria dos campos preenchidos com as informações que você forneceu no momento em que você carregou esse pacote pela primeira vez.

2. Clique em Carregar pacote para selecionar o arquivo .zip desejado ou arraste e solte o arquivo acima desse campo.
3. Opcional: atualize as informações existentes nos seguintes campos:
   • Descrição da entrada
   • Descrição da saída
   • Idioma
4. Opcional: No campo ChangeLog , insira o que mudou.
5. Selecione se o modelo requer uma GPU; por padrão, é definido como Não.
6. Selecione habilitar treinamento ou não para o seu modelo.
7. Clique em Criar para carregar a nova versão para o pacote carregado existente ou em Cancelar para anular o processo. A janela Carregar pacote é fechada, e a nova versão do pacote é carregada. Pode levar alguns minutos antes que seu carregamento seja propagado.
   
   

   

   
   

A nova versão do pacote não é visível diretamente na página Pacotes de ML. É possível visualizar suas informações dentro da página Detalhes do pacote de ML para esse pacote.

Observação: quando uma nova versão é carregada em um pacote existente, isso cria uma nova versão principal. Por exemplo, se eu tiver carregado meu primeiro pacote, esse carregamento será a versão 1.0. Quando eu carregar uma nova versão, essa versão será a 2.0.

Versões do pacote de ML criadas pelos pipelines de treinamento

Quando um pipeline de treinamento ou um pipeline completo é executado com sucesso em uma versão do pacote, uma nova versão secundária é criada. Por exemplo, se eu tiver carregado um pacote (versão 1.0) e iniciar um pipeline de treinamento, a versão 1.1 é exibida após a conclusão na página Detalhes do pacote de ML, conforme abaixo:

Visualização dos argumentos do pacote

Na aba Versão da página Pacote de ML > [Nome do pacote de ML], clique no ícone de informações ao lado de uma versão do pacote. A janela Argumentos para > [Nome do pacote de ML] > [Versão do pacote de ML] é exibida.

O tipo de entrada e as descrições da entrada e da saída da versão do pacote selecionado são exibidos. Observe que não é possível editar os valores.

Baixar pacotes de ML

É possível exportar um pacote já criado e importá-lo em um ambiente diferente ou no mesmo ambiente.

Observação: as versões básicas de modelos baseados no Docker não podem ser baixadas, pois não há nenhum arquivo ZIP disponível. Depois que o modelo baseado no Docker for treinado, a versão treinada terá um arquivo ZIP disponível.

Siga estas etapas para baixar um pacote já criado:

1. Na página Pacotes de ML, selecione um pacote já criado na lista.
2. Na aba Versão, clique no ícone ⁝ do pacote.
3. Clique em Download.

Depois de clicar em Download, dois arquivos serão baixados:

• Um arquivo zip contendo o pacote
• Um arquivo json contendo os metadados do pacote, como nome, versão e outras informações. Essas informações são necessárias para mapear o pacote baixado para o correto no novo ambiente.

Exclusão de pacotes de ML

Os pacotes só podem ser excluídos se não forem implantados dentro de uma habilidade e se nenhum pipeline estiver atualmente em execução nesses pacotes.

1. Na página Pacotes de ML, clique em ⁝ ao lado de um pacote e selecione Excluir versões não implantadas. Uma janela de confirmação será exibida.
2. Na janela de confirmação, clique em OK para excluir todas as versões não implantadas do pacote selecionado. Se uma versão do pacote fizer parte de uma habilidade (ela está ativa), ela NÃO será excluída. Se todas as versões estiverem inativas, todas elas serão excluídas.

OU

1. Na guia Versão da página Pacote de ML > [Nome do pacote de ML], clique em ⁝ ao lado de uma versão de pacote e selecione Excluir. Uma janela de confirmação será exibida.
2. Na janela de confirmação, clique em OK para excluir a versão selecionada do pacote. Se uma versão do pacote fizer parte de uma habilidade (ela está ativa), ela NÃO será excluída. Se essa for a única versão para o pacote selecionado, o próprio pacote também será excluído.