模型管理

更新时间:
复制 MD 格式

数据管理DMS的模型管理功能支持自定义模型组,每个模型组对应一个特定的业务场景。DMS支持在任务编排的节点中训练模型并将训练好的模型注册至模型组中。您可在模型管理中创建模型组、部署模型、删除模型或模型组等操作。

注意事项

目前模型管理功能处于邀测阶段,仅部分用户可见。

新建模型组

  1. 登录数据管理DMS 5.0

  2. 请单击控制台左上角的2023-01-28_15-57-17.png图标,选择全部功能 > 数据资产 > 模型管理

    说明

    若您使用的是非极简模式的控制台,请在顶部菜单栏中,选择数据资产 > 模型管理

  3. 在页面左上方,单击新建模型组

  4. 配置模型组名称描述,单击确定

注册模型组数据

您可在DMS任务编排的模型训练、模型评估和模型推理节点中使用模型组,并将生成的模型注册至模型组中。

  1. 单击控制台左上角的2023-01-28_15-57-17.png图标,选择全部功能 > Data+AI > 数据开发 > 任务编排

    说明

    若您使用的是非极简模式的控制台,在顶部菜单栏中,选择Data+AI > 数据开发 > 任务编排

  2. 创建模型组。具体操作,请参见新建模型组

  3. 模型训练。

    创建模型并进行模型训练,训练成功后DMS会自动将模型注册到模型组中。创建及配置模型训练节点的具体操作,请参见步骤二:创建并配置模型训练节点

    1. 运行已配置完成模型训练节点,运行成功后会生成一个模型。

      [GMT+08:00] INFO - check model status, Query key:ModelTrainJob-xxx
      [GMT+08:00] INFO - Query success! result List:
                         Msg  createTime  updateTime
                         xxx
      [GMT+08:00] INFO - model status:saved_oss
      [GMT+08:00] INFO - update run, response:{"accessDeniedDetail":null,"HttpStatusCode":200,"RequestId":"ebf61cb3-5b07-4204-8e6d-b330e60de5ed","Data":{"run_info":
                    xxx, status : FINISHED }}, Success :true, Code : Success , Message :xxx
      [GMT+08:00] INFO - run xxx update to Status:FINISHED
      [GMT+08:00] INFO - model train success, model path:
      [GMT+08:00] INFO - start register model
      [GMT+08:00] INFO - register model, response: {"accessDeniedDetail":null,"HttpStatusCode":200,"RequestId":"8b4829b6-ac74-4964-9e40-bc8bccd4458a","Data":{"model_version":{"name":
                    xxx,"model version name":"bst_new_20240902_withPolarEndpoint","creation_timestamp":17xxx, ...}}}
    2. DMS自动将该模型注册到模型组中。

      在模型信息区域可以查看模型来源的任务流。

  4. 模型评估。

    系统评估模型的各项指标,并将该指标数据注册至模型,以供用户评估是否可进行模型推理。创建及配置模型评估节点的具体操作,请参见步骤三:(可选)创建并配置模型评估节点

    评估指标包括 Fscore_precision(精确率)、Fscore_recall(召回率)和 Fscore_f1score(F1分数),每项指标按类别 0 和类别 1 分别展示。您可在模型列表中查看各模型的指标数据,并对模型执行部署下线删除编辑操作。

  5. 模型部署。

    模型评估完成后,如果您对模型的各项指标满意,则可以进行模型部署操作。模型部署的具体操作,请参见步骤四:部署模型

    在目标模型的操作列单击部署,在弹出的部署模型对话框中选择adb实例AI资源,然后单击部署完成模型部署。

  6. 模型推理。

    使用完成部署的模型对新数据进行预测或分类。创建及配置模型推理节点的具体操作,请参见步骤五:创建并配置模型推理节点

    1. 在模型推理节点中配置已部署的模型,再运行该节点。

    2. 在模型管理页面查看目标模型状态,状态为应用中,则表示配置生效。

查看或编辑模型组信息

  • 查看模型组信息

    您可在模型管理功能页面查看已注册的模型组数据,包含模型ID模型名称模型状态训练引擎(训练模型的引擎类型AnalyticDB for MySQLPolarDB MySQL)、来源任务流等信息。

  • 编辑模型组信息

    单击模型组右侧的编辑,调整模型组名称描述信息。

下线或删除模型组

  • 下线模型组

    单击模型组右侧的下线,在对话框中单击确认

    说明

    目前暂不支持部署或下线由PolarDB MySQL引擎训练出的模型。

  • 删除模型组

    单击模型组右侧的删除,在对话框中单击确认