管理 ML 包

上传 ML 包

重要提示：

上传包之前，请确保已按照此处所述构建包。

在 AI Center 中创建 ML 包时，不能使用任何 Python 保留关键字命名，例如class 、 break 、 from 、 finally 、 global 、 None等。请确保请选择其他名称。列出的示例不完整，因为class <pkg-name>和import <pck-name>使用了包名称。

按照以下步骤上传已创建的包：

在“ML 包”页面中，单击“上传 zip 文件”按钮。系统将显示“新建包”页面。
在“新建包”页面中，输入包的名称。
单击“上传包”以选择所需的 .zip 文件，或者将包 .zip 文件拖放到“上传包”字段中。
（可选）提供清楚的模型说明。
部署基于此模型的新技能时会显示说明，说明也会显示在“ML 包”页面中。
从下拉列表中选择输入类型。可能的选项包括：
- json
- 文件
- 文件
（可选）输入模型所需的输入的清楚说明。
（可选）输入模型返回的输出的清楚说明。
这些说明对在 UiPath Studio 中使用 ML 技能活动的 RPA 开发者可见。作为一种正确做法，我们建议显示输入和输出格式的示例，以促进数据科学家和开发者之间的沟通。
从下拉列表中选择模型的开发语言。可能的选项包括：
- Python 3.7
- Python 3.8
选择机器学习模型是否需要 GPU，默认情况下，它设置为“否”。此信息显示为根据此包创建技能时的建议。
选择是否为模型启用训练。如果启用训练，则会发生此情况：
- 该包可用于任何管道。
- 验证步骤将检查包中是否已实现 train.py 文件，否则，验证将失败。
单击“创建”以上传包，或单击“取消”以中止该过程。“新建包”窗口将关闭，包已上传并与其详细信息一起显示在“ML 包”>“[ML 包名称]”页面中。可能需要几分钟才能传播上传。

包验证

对于服务

对于上传的模型，如果“启用训练”标记处于“不活动”状态，则在上传模型时，AI Center 会根据此处所述的要求验证上传的 .zip 文件。将执行以下三项检查：

存在非空根文件夹。
requirements.txt 文件已存在。
根文件夹中存在名为 main.py 的文件，该文件实现了类 Main。进一步验证该类，以实现 __init__ 和 predict 函数。

成功或失败以及导致失败的任何错误都会显示在“ML 日志”页面中。

对于训练

对于上传了活跃的“启用训练”标记的模型，除了验证上述要求，AI Center 也按照此处描述的要求验证已上传的 .zip 文件。对于这些包，将执行以下两项检查：

存在非空根文件夹。
根文件夹中存在名为 train.py 的文件，该文件实现了类 Main。进一步验证该类，以实现 __init__ 函数和以下函数：train、evaluate 和 save。

成功或失败以及导致失败的任何错误都会显示在“ML 日志”页面中。

查看 ML 包详细信息

单击列表中的某个包，以前往其“ML 包”>“[ML 包名称]”页面。

在“版本”选项卡中，查看其详细信息：包版本、创建时间、更改日志、状态和参数。

在“管道运行”选项卡中，查看与包的管道运行相关的详细信息：包名称、类型、版本、状态、创建时间、持续时间、分数和其他详细信息。

版本控制

AI Center 还支持包的版本控制和版本管理。上传包后，系统会将该包显示为版本 1.0（假设其主要版本为 1，次要版本为 0）。这有助于区分用户上传的包和通过管道重新训练的包，后者仅更改其次要版本。

上传新的 ML 包版本

按照以下步骤上传已上传的包的新版本：

在“ML 包”页面中，单击包旁边的 ⁝，然后选择“上传新版本”选项。
或者，在“ML 包”>“[ML 包名称]”页面中，单击“上传新版本”。系统将显示“上传以下包的新版本 > [ML 包名称]”窗口，其中的大多数字段会预先填充您在首次上传该包时提供的信息。
单击“上传包”以选择所需的 .zip 文件，或者将上述文件拖放到此字段中。
（可选）更新以下字段中的现有信息：
- 输入说明
- 输出说明
- 语言
（可选）在“更改日志 ” 字段中，输入更改的内容。
选择模型是否需要 GPU，默认情况下，设置为“否”。
选择是否为模型启用训练。
单击“创建”以上传现有包的新版本，或单击“取消”以中止该过程。“上传包”窗口将关闭，并且上传包的新版本。可能需要几分钟才能传播上传。