Upgrade pracovních postupů ML na cílové modely v katalogu Unity

Tento článek vysvětluje, jak migrovat a upgradovat existující pracovní postupy Databricks, používat modely v katalogu Unity.

Požadavky

Požadovaná oprávnění

Pokud chcete spustit pracovní postup trénování, nasazení nebo inference modelu v katalogu Unity, musí mít hlavní subjekt spouštějící pracovní postup oprávnění USE CATALOG a USE SCHEMA ke katalogu a schématu, které tento model obsahují.

Vyžadují se také následující oprávnění:

• K vytvoření modelu musí mít hlavní uživatel privilegium CREATE MODEL.
• Pokud chcete načíst nebo nasadit model, musí mít hlavní subjekt oprávnění EXECUTE na registrovaném modelu.
• Chcete-li vytvořit novou verzi modelu, subjekt musí být vlastníkem registrovaného modelu nebo u něj musí mít oprávnění CREATE MODEL VERSION.
• Chcete-li nastavit alias u registrovaného modelu, principál musí být vlastníkem registrovaného modelu.

Požadavky na výpočetní prostředky

Výpočetní prostředek zadaný pro pracovní postup musí mít přístup ke katalogu Unity. Vizte režimy přístupu.

Vytváření pracovních postupů paralelního trénování, nasazení a odvozování

Pokud chcete upgradovat pracovní postupy trénování a odvozování modelů na katalog Unity, databricks doporučuje přírůstkový přístup, ve kterém vytvoříte paralelní trénování, nasazení a odvozovací kanál, který využívá modely v katalogu Unity. Když jste spokojeni s výsledky pomocí Unity Catalogu, můžete přepnout podřízené uživatele na čtení výstupu dávkového odvozování nebo zvýšit provoz směrovaný do modelů v Unity Catalogu na poskytovacích koncových bodech.

Pracovní postup trénování modelu

Naklonujte pracovní postup pro trénování modelu. Ověřte, že hlavní uživatel, který spouští pracovní postup, a výpočetní kapacita zadaná pro pracovní postup splňují požadavky.

Dále upravte trénovací kód modelu v naklonovaném pracovním postupu. Možná budete muset naklonovat poznámkový blok spuštěný pracovním postupem nebo vytvořit a cílit na novou větev Gitu v naklonovaném pracovním postupu. Podle těchto kroků nainstalujte potřebnou verzi MLflow a nakonfigurujte klienta tak, aby cílil na Unity Catalog ve vašem trénovacím kódu. Potom aktualizujte trénovací kód modelu tak, aby registrovali modely do katalogu Unity. Vizte Trénujte a registrujte modely kompatibilní s Unity katalogem.

Pracovní postup nasazení modelu

Naklonujte pracovní postup nasazení modelu. Ověřte, že hlavní uživatel, který spouští pracovní postup, a výpočetní kapacita zadaná pro pracovní postup splňují požadavky.

Pokud máte v pracovním postupu nasazení logiku ověření modelu, aktualizujte ji tak, aby načítání verzí modelu z UC. Použijte aliasy ke správě zavádění produkčních modelů.

Pracovní postup vyvozování modelu

Pracovní postup odvození služby Batch

Naklonujte pracovní postup odvozování dávky. Ověřte, že hlavní uživatel, který spouští pracovní postup, a výpočetní kapacita zadaná pro pracovní postup splňují požadavky.

Pracovní postup obsluhy modelu

Pokud používáte službu Model Serving, nemusíte klonovat existující koncový bod. Místo toho použijte funkci rozdělení provozu k zahájení směrování malého zlomku provozu do modelů v katalogu Unity. Při kontrole výsledků pomocí katalogu Unity zvyšte objem provozu, dokud se veškerý provoz nepřesměruje.

Propagovat model mezi prostředími

Podpora modelu napříč prostředími funguje s modely v katalogu Unity odlišně. Podrobnosti najdete v Propagace modelu napříč prostředími.

Použití webhooků úloh k ručnímu schválení nasazení modelu

Databricks doporučuje v případě potřeby automatizovat nasazení modelu pomocí vhodných kontrol a testů během procesu nasazení modelu. Pokud ale potřebujete provést ruční schválení pro nasazení produkčních modelů, můžete pomocí oznámení úloh volat externí systémy CI/CD a požádat o ruční schválení pro nasazení modelu po úspěšném dokončení úlohy trénování modelu. Po poskytnutí ručního schválení může váš systém CI/CD nasadit verzi modelu, která bude obsluhovat provoz, například nastavením aliasu Šampion.