管理 ML 包

备注：

从 2022.10 开始， 不再支持使用脚本导入和导出 ML 包。

有关使用用户界面导入和导出 ML 包的更多信息，请查看“导入 ML 包”和“下载 ML 包”部分。

上传 ML 包

您可以通过三种方式创建新包：

• 上传 zip 文件：准备好 zip 文件后，请使用此选项上传。
• 开箱即用包：如需使用由 UiPath 或开源社区开发的 ML 包，请使用此选项。
• 导入 ML 包：使用此选项导入先前从UiPath AI Center导出的包，
  注意：要访问“导入 ML 包”页面，请确保您在租户级别分配了 OOB_UPLOAD 角色。有关更多信息，请参阅“在租户级别管理权限”。

上传 zip 文件

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：

1. 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。
2. 在“新建包”页面中，输入包的名称。
3. 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。
4. （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。

5. 从下拉列表中选择输入类型。可能的选项包括：
   • json
   • 文件
   • 文件
6. 可选：输入模型所需的输入的清楚说明。
7. 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。
8. 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
   • Python 3.8 OpenCV
9. 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。
10. 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。
11. 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。

导入 ML 包

请按照以下步骤上传从UiPath™ AI Center导出的包：

1. 在“ML 包”页面中，单击“导入 ML 包”按钮。系统将显示“导入新包”页面。
2. 在“上传包”字段中，添加使用“下载 ML 包”过程下载的 zip 文件。
3. 在“上传元数据 json”字段中，添加使用上述过程下载的 json 文件。
4. 单击“创建”。

私有包

• 导入的包将与导出环境中的包同名，取自元数据文件。 如果已存在同名包，则接下来将检查元数据中的version字段。 如果版本相同，则将创建新的次要版本。 例如，如果您导入一个名为New Package且版本为7的包，并且您已有一个同名的包，但存在版本7.3 ，则新导入的包的版本将为7.4 。 如果没有版本，则创建的包将具有下一个可用的主要版本。
• 如果目标环境中不存在导入的包元数据中的名称，则会在目标环境中创建新的包名称。

公共包

• 导入的包将与导出环境中的包同名，取自元数据文件。 如果已存在同名包，则接下来将检查元数据中的sourcePackageVersion字段是否存在目标环境中的sourcePackageVersion 。 在此之后，将上传下一个次要版本。 请确保更改目标环境中的版本，或将元数据文件中的sourcePackageVersion字段更改为目标环境中的可用版本。

• 如果目标环境中不存在导入的包元数据中的名称，则会在目标环境中创建新的包名称。

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：

1. 存在非空根文件夹。
2. requirements.txt 文件已存在。
3. 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”页面上。

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：

1. 存在非空根文件夹。
2. 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”页面上。

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、是否启用训练、是否启用推荐的 GPU 以及参数。

通过单击⁝ 图标，然后单击“详细信息”，可以在“ML 包版本”中找到每个条目的更多信息。系统将显示一个对话框，其中包含有关包版本的所有信息。

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：

1. 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。

2. 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。
3. 可选：更新以下字段中的现有信息：
   • 输入说明
   • 输出说明
   • 语言
4. 可选： 在“更改 日志 ” 字段中，输入更改的内容。
5. 选择模型是否需要 GPU，默认情况下，设置为“否”。
6. 选择是否为模型启用训练。
7. 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。
   
   

   

   
   

包的新版本不会直接显示在“ML 包”页面中。您可以在该包的“ML 包详细信息”页面中查看其信息。

注意：上传现有包的新版本时，将创建新的主要版本。例如，如果我上传了第一个包，则上传的版本将为 1.0。上传新版本时，该版本将为 2.0。

训练管道创建的 ML 包版本

当训练管道或完整管道对包版本成功执行时，将创建新的次要版本。例如，如果我已上传包（版本 1.0）并启动训练管道，则完成后“ML 包详细信息”页面将显示版本 1.1，如下所示：

查看包参数

在“ML 包”>“[ML 包名称]”页面的“版本”选项卡中，单击包版本旁边的信息图标。系统将显示“参数”>“[ML 包名称]”>“[ML 包版本]”窗口。

系统将显示所选包版本的输入类型以及输入和输出说明。请注意，您无法编辑值。

下载 ML 包

您可以导出已创建的包，然后将其导入到不同或相同的环境中。

注意：无法下载基于 Docker 的模型的基本版本，因为没有可用的 ZIP 文件。训练基于 Docker 的模型后，经过训练的版本将包含可用的 ZIP 文件。

请按照以下步骤下载已创建的包：

1. 在“ML 包”页面中，从列表中选择已创建的包。
2. 在“版本”选项卡中，单击包的“⁝”图标。
3. 单击“下载”。

单击“下载”后，系统会下载以下两个文件：

• 包含包的zip文件
• 包含包元数据（例如名称、版本和其他信息）的 json 文件。需要使用此信息将下载的包映射到新环境中的正确包。

删除 ML 包

只有当包未部署在技能中，且这些包当前没有管道正在运行时，您才能将包删除。

1. 在“ML 包”页面中，单击包旁边的 ⁝，然后选择“删除未部署的版本”。系统会显示确认窗口。
2. 在确认窗口中，单击“确定”以删除所选包的所有未部署版本。如果包版本是技能的一部分（处于活动状态），则不会删除该包版本。如果所有版本都处于不活动状态，则将其全部删除。

或

1. 在“ML 包”>“[ML 包名称]”页面的“版本”选项卡中，单击包版本旁边的 ⁝，然后选择“删除”。系统会显示确认窗口。
2. 在确认窗口中，单击“确定”以删除包的选定版本。如果包版本是技能的一部分（处于活动状态），则不会删除该包版本。如果这是所选包的唯一版本，则包本身也将被删除。