Pular para o conteúdo principal

Criar um endpoint de modelo de serviço personalizado

Este artigo descreve como criar um endpoint servindo modelo que serve modelos personalizados usando Databricks servindo modelo.

O servindo modelo oferece as seguintes opções para servir a criação do endpoint:

  • A interface de usuário de serviço
  • API REST
  • SDK de implantações do MLflow

Para criar um endpoint que atenda aos modelos generativos do AI, consulte Criar um endpoint que atenda ao modelo.

Requisitos

Python
import mlflow.deployments

client = mlflow.deployments.get_deploy_client("databricks")

Controle de acesso

Para entender as opções de controle de acesso para o endpoint servindo modelo para o endpoint gerenciamento,consulte gerenciar permissões em seu endpoint endpoint servindo modelo.

Você também pode:

Criar um endpoint

O senhor pode criar um endpoint para servir o modelo com a Serving UI.

  1. Clique em Serving na barra lateral para exibir a Serving UI.

  2. Clique em Criar endpoint de serviço .

    Servindo o modelo pane em Databricks UI

Para modelos registrados no espaço de trabalho registro de modelo ou modelos em Unity Catalog:

  1. No campo Name (Nome ), forneça um nome para seu endpoint.

  2. Na seção Entidades atendidas

    1. Clique no campo Entidade para abrir o formulário Selecionar entidade servida .

    2. Selecione o tipo de modelo que você deseja servir. O formulário é atualizado dinamicamente com base na sua seleção.

    3. Selecione qual modelo e versão do modelo você deseja servir.

    4. Selecione a porcentagem de tráfego a ser direcionada para seu modelo atendido.

    5. Selecione o tamanho do site compute a ser usado. O senhor pode usar a computação de CPU ou GPU para suas cargas de trabalho. Consulte Tipos de carga de trabalho de GPU para obter mais informações sobre a computação de GPU disponível.

    6. Em compute escala-out , selecione o tamanho do compute escala out que corresponde ao número de solicitações que esse modelo atendido pode processar ao mesmo tempo. Esse número deve ser aproximadamente igual a QPS x tempo de execução do modelo.

      1. Os tamanhos disponíveis são pequeno para 0 a 4 solicitações, médio para 8 a 16 solicitações e grande para 16 a 64 solicitações.
    7. Especifique se o site endpoint deve ser escalonado para zero quando não estiver em uso. O escalonamento para zero não é recomendado para endpoints de produção, pois a capacidade não é garantida quando escalonada para zero.

    8. Em Configuração avançada, você pode:

  3. Na seção AI Gateway , o senhor pode selecionar o recurso de governança a ser ativado no seu endpoint. Consulte a introdução do Mosaic AI Gateway.

  4. Na seção Route optimization (Otimização de rota ), é possível ativar a otimização de rota para o seu endpoint. Consulte Otimização de rota no endpoint de serviço.

  5. Clique em Criar . A página Serving endpoint é exibida com o estado Serving endpoint mostrado como Not Ready.

    Criar um modelo de serviço endpoint

Você também pode:

Tipos de carga de trabalho de GPU

A implementação da GPU é compatível com as seguintes versões do pacote:

  • PyTorch 1.13.0 - 2.0.1
  • TensorFlow 2.5.0 - 2.13.0
  • MLflow 2.4.0 e acima

Para implantar seus modelos usando GPUs, inclua o campo workload_type em sua configuração endpoint durante a criação doendpoint ou como uma atualização da configuração endpoint usando o API. Para configurar seu endpoint para cargas de trabalho de GPU com a UI de serviço, selecione o tipo de GPU desejado no tipo de computação dropdown.

Bash
{
"served_entities": [{
"entity_name": "catalog.schema.ads1",
"entity_version": "2",
"workload_type": "GPU_MEDIUM",
"workload_size": "Small",
"scale_to_zero_enabled": false,
}]
}

A tabela a seguir resume os tipos de carga de trabalho de GPU disponíveis suportados.

Tipo de carga de trabalho da GPU

Instância de GPU

Memória GPU

GPU_SMALL

1xT4

16GB

GPU_MEDIUM

1 x A10g

24 GB

MULTIGPU_MEDIUM

4xA10G

96 GB

GPU_MEDIUM_8

8xA10g

192 GB

Modificar um endpoint de modelo personalizado

Depois de ativar um modelo personalizado endpoint, o senhor pode atualizar a configuração do compute conforme desejar. Essa configuração é particularmente útil se o senhor precisar de recurso adicional para o seu modelo. O tamanho da carga de trabalho e a compute configuração key do site desempenham um papel importante em quais recursos são alocados para atender ao seu modelo.

Até que a nova configuração esteja pronta, a configuração antiga continua fornecendo tráfego de previsão. Enquanto houver uma atualização em andamento, outra atualização não poderá ser feita. No entanto, você pode cancelar uma atualização em andamento na Serving UI.

Depois que o senhor habilitar um modelo endpoint, selecione Edit endpoint para modificar a configuração compute do seu endpoint.

Você pode fazer o seguinte:

  • Escolha entre alguns tamanhos de carga de trabalho, e a autoescala é configurada automaticamente dentro do tamanho da carga de trabalho.
  • Especifique se o site endpoint deve ser reduzido a zero quando não estiver em uso.
  • Modifique a porcentagem de tráfego a ser direcionada para seu modelo atendido.

O senhor pode cancelar uma atualização de configuração em andamento selecionando Cancel update (Cancelar atualização) no canto superior direito da página de detalhes do endpoint. Essa funcionalidade só está disponível na interface de usuário de serviço.

Pontuação de um modelo endpoint

Para pontuar seu modelo, envie solicitações para o servindo modelo endpoint.

Recurso adicional

Notebook exemplos

O Notebook a seguir inclui diferentes Databricks modelos registrados que o senhor pode usar para começar a trabalhar com o endpoint modelo servindo. Para obter exemplos adicionais, consulte o tutorial: implantar e consultar um modelo personalizado.

Os exemplos de modelos podem ser importados para o site workspace seguindo as instruções em Import a Notebook. Depois de escolher e criar um modelo a partir de um dos exemplos, registre-o em Unity Catalog e siga as etapas do fluxo de trabalho da interface do usuário para servir o modelo.

Treine e registre um modelo scikit-learn para o servindo modelo Notebook

Open notebook in new tab

Treine e registre um modelo HuggingFace para servir o modelo Notebook

Open notebook in new tab