第 1 章 模型 registry 概述
在 Red Hat OpenShift AI 2.22 中当前提供了模型 registry 和模型目录作为技术预览功能。技术预览功能不受红帽产品服务等级协议(SLA)支持,且功能可能并不完整。红帽不推荐在生产环境中使用它们。这些技术预览功能可以使用户提早试用新的功能,并有机会在开发阶段提供反馈意见。
有关红帽技术预览功能支持范围的更多信息,请参阅技术预览功能支持范围。
模型 registry 是人工智能/机器学习(AI/ML)模型以及任何机器学习操作(MLOps)平台或 ML 工作流的重要组成部分。模型 registry 充当中央存储库,包含与机器学习模型相关的元数据,从最初到部署。此元数据从部署环境和项目来源等高级别信息范围到类似培训超参数、性能指标和部署事件等详细信息。模型注册表充当模型试验和服务之间的桥接,为 ML 生命周期的利益相关者提供安全的协作元数据存储接口。
模型 registry 提供了一种结构化和组织的方法来存储、共享、版本、部署和跟踪模型。
要在 OpenShift AI 中使用模型 registry,OpenShift 集群管理员必须启用模型 registry 组件。如需更多信息 ,请参阅启用模型 registry 组件。
启用模型 registry 组件后,OpenShift AI 管理员可以在 OpenShift AI 中创建模型 registry,并授予模型 registry 对使用它们的数据科学家的访问权限。如需更多信息,请参阅 管理模型 registry。
可访问模型 registry 的数据科学家可以使用模型 registry 功能存储、共享、版本、部署和跟踪模型。如需更多信息,请参阅使用模型 registry。
通过增加了模型目录功能,您可以发现可用的模型,并可供您机构注册、部署和自定义。此功能从使用 Granite 系列模型连接用户开始,以及与 LAB-tuning 工作流一起使用的手和 judge 模型开始。
有关使用 LAB-tuning 工作流的更多信息,请参阅使用 LAB-tuning 自定义模型。
目前在断开连接的环境中不支持模型目录功能。