MI Hub Overview

Note

As the English version of the document is being updated, some of the content here might be inconsistent with the actual product or feature that you are using. Bear with us until we bring you the updated documentation in September, 2020.


智能集市(MI Hub)为智能模型的使用者和数据科学家提供了一系列智能资产的集散中心,为模型开发者提供全面的模型注册流程和托管服务。


当一个模型从创作实验室中开发完成,或者是在第三方的系统中开发完成后,模型开发者可将其部署到生产环境中执行预测任务。基于用户模型更新的需求,用户可以通过金丝雀部署、蓝绿部署的方式将多个模型同时部署到生产环境中。智能集市为模型开发者提供科学有效管的版本管理工具,并在安全可控的环境中分享给终端用户和其他协作者,同时也可复用其他协同开发人员已探索或创作的智能资产。

产品架构

通过智能集市上架和部署机器学习模型的流程如下图所示:

../_images/mi_hub_arch.png

主要特性

ML模型注册

  • 基础信息注册:MI Hub提供了引导式的模型注册流程,数据科学家或模型开发者可对模型按技术归属、类目、输入数据类型、应用领域等进行归类注册。
  • 模型数据输入输出设置:支持标准化模型数据输入输出设置。


ML模型部署

  • MI Hub集成了主流的算法模型计算框架,包括 Tensorflow、Pytorch、Sklearn、Spark、H2o。
  • 支持部署不同编程语言的算法模型,目前支持 Java 和 Python。
  • 支持多种模型构建方式,包括通过 ML flow 导入、容器镜像文件导入、Seldon core 方式导入、自定义第三方导入。
  • 提供可视化的部署画布,支持蓝绿部署和金丝雀部署模式,将模型部署到指定资源池。


ML模型版本管理

  • MI Hub支持同一模型上架多个版本,以便于模型在线迭代。
  • 支持对模型的版本进行测试,帮助确保每一个上线的版本都经过测试并可用。


ML模型的安全协作

  • MI Hub提供安全可控的环境,对于以分享模式注册的模型,支持协作开发。


模型生命周期管理

  • 支持对模型版本进行升级、退役、删除等操作。

资源准备

ML模型-容器计算资源

使用智能集市注册和部署模型前,需确保OU已经通过 EnOS管理门户 > 资源管理 页面申请 ML模型-容器计算 资源。有关申请 ML模型-容器计算 资源的详细信息,参见 容器计算资源规格说明

使用说明

ML模型可用性

模型开发者需确保开发的模型可用,并在注册模型时定义标准的特征输入和目标输出参数。