上架模型版本¶

完成模型注册后，可上架模型的第一个版本。

在上架模型版本时，你可以将在智能实验室中开发的模型，或将在本机上开发的模型，构建成可用于托管的模型镜像文件。

上架版本¶

通过以下步骤，上架模型的第一个版本：

打开模型列表页，选择已注册的模型，点击进入 模型版本管理 页面。
点击 版本上架，然后按照指引依次完成版本配置、构建日志、参数设置、和测试上架版本。

配置版本信息¶

在版本配置页面的 版本信息 一栏中，完成版本的基本信息配置：
- 版本规则：选择版本的命名规则，目前支持按上架版本时的系统时间戳命名版本
- 架构基础：选择运行模型版本的基础硬件
- 协处理器：选择运行模型版本的协处理器，各类协处理器支持的计算框架如下：
  - GPU：支持tensorflow、pytorch、h2o、spark、others（注：由于当前IaaS不支持GPU，模型版本上架暂不支持GPU的能力）
  - TPU：支持tensorflow、pytorch
  - VPU：支持tensorflow、pytorch
  - 无：默认选项，计算架构保持当前逻辑
- 计算框架：选择运行模型版本的计算框架
- 语言环境：选择开发模型版本的语言（与选择的计算框架相匹配）
- 发布者：输入发布模型版本的用户名称，默认为当前EnOS用户名称
- 描述：输入对模型版本的简要描述
在版本配置页面的 模型构建 一栏中，选择构建模型的方式，并完成对应的模型文件上传配置。
如选择 MLflow 导入方式，通过以下步骤选择构建模型版本的文件：
- 在 Fall Path 一栏中，点击 导入文件。弹窗中将显示通过智能实验室训练任务生成的Artifacts文件。有关通过 MLflow 查看模型构建文件的详细信息，参考查看实例运行结果。
- 浏览并选择需要构建的模型文件所在的目录后（目录层级为：项目名 > Run Name > 实例名），点击确认。
- 选中的模型构建文件目录将显示在 Fall Path 一栏中。
如选择 容器镜像文件导入，系统将自动指定文件夹所在位置，你可以从Artifacts源和Git源的多个层级目录中选择构建模型需要的目标文件。部署模型时，系统将使用指定的镜像部署成服务。
- 点击 Artifacts源 或 Git源，选择部署模型的镜像文件（可在两个源上反复多次操作选择文件）
- 在已选择的文件列表中，查看文件详细信息，移除不需要的文件
- 在 Entry Point 下拉菜单中，选择 Dockerfile。
（可选）在从Artifacts源导入镜像文件时，如需管理目标文件夹中的目标文件，可点击页面右侧的 管理目标文件夹，在弹窗中拖动目标文件到指定文件夹，也可对目标文件夹进行管理操作。
如选择 Seldon 导入方式，可使用s2i build从源代码创建Docker镜像。系统将自动指定文件夹所在位置，你可以从Artifacts源和Git源的多个层级目录中选择构建模型需要的目标文件。部署模型时，系统将使用指定的镜像部署成服务。
- 点击 Artifacts源 或 Git源，选择部署模型的镜像文件（可在两个源上反复多次操作选择文件）
- 在已选择的文件列表中，查看文件详细信息，移除不需要的文件
- 在 Entry Point 下拉菜单中，选择入口文件。
如选择 自定义第三方导入，可在第三方自定义的系统上将模型打包成为Docker镜像文件，然后导入。
- 目前支持在线访问的文件加载方式，在地址输入框中，输入获取模型文件的地址。
完成模型文件上传配置后，点击 下一步，系统将自动开始模型构建。