（可选）单元 5：在智能集市中构建模型¶

除了在智能任务流中通过算子建立预测模型并进行预测外，你还可以在智能集市中建立预测模型并通过调用模型服务的方式预测风机绕组温升。本单元介绍如何在智能集市中构建温升预测模型。

前提条件¶

开始之前，你需要完成单元 3：准备代码中的所有步骤。

步骤 1：创建模型¶

登录至 EnOS 管理控制台并在左侧导航栏中选择 智能工作室 > 智能集市。
在智能集市页面中选择 新建模型。
在 基本信息 部分配置以下信息并选择 下一步。

字段

描述

名称

输入 temp-rise。

技术归属

选择分类。

模型类型

选择 模型预测器。

输入数据类型

选择 Tabular。
在 输入输出 部分配置以下信息。

字段

描述

API 类型

选择 REST。

配置方式

选择 自定义 JSON 输入。

在 参数输入 部分输入以下脚本。

{
"inputFormat": [
   {
      "annotations": "",
      "defaultValue": null,
      "dtype": "float",
      "ftype": "continuous",
      "name": "gen_reactive_pw",
      "range": [],
      "repeat": 0
   },
   {
      "annotations": "",
      "defaultValue": null,
      "dtype": "float",
      "ftype": "continuous",
      "name": "gen_spd",
      "range": [],
      "repeat": 0
   },
   {
      "annotations": "",
      "defaultValue": null,
      "dtype": "float",
      "ftype": "continuous",
      "name": "torque",
      "range": [],
      "repeat": 0
   },
   {
      "annotations": "",
      "defaultValue": null,
      "dtype": "float",
      "ftype": "continuous",
      "name": "tem_in",
      "range": [],
      "repeat": 0
   },
   {
      "annotations": "",
      "defaultValue": null,
      "dtype": "float",
      "ftype": "continuous",
      "name": "tem_out",
      "range": [],
      "repeat": 0
   },
   {
      "annotations": "",
      "defaultValue": null,
      "dtype": "float",
      "ftype": "continuous",
      "name": "wind_speed",
      "range": [],
      "repeat": 0
   },
   {
      "annotations": "",
      "defaultValue": null,
      "dtype": "float",
      "ftype": "continuous",
      "name": "rotor_spd",
      "range": [],
      "repeat": 0
   },
   {
      "annotations": "",
      "defaultValue": null,
      "dtype": "float",
      "ftype": "continuous",
      "name": "gen_active_pw",
      "range": [],
      "repeat": 0
   }
],
"outputFormat": [
   {
      "annotations": "",
      "defaultValue": null,
      "dtype": "float",
      "ftype": "continuous",
      "name": "gen_active_pw",
      "range": [],
      "repeat": 0
   }
]
}

选择 上架版本。

选择 上架版本 后，你将自动跳转到上架版本页面。但在此教程中，你无需在此页面上架模型版本，而是需要返回智能实验室并在 temp-rise 实例中基于样例代码文件构建可用于模型托管的模型镜像文件。

步骤 2：上架模型版本¶

在左侧导航栏中选择 智能工作室 > 智能实验室。
打开你在单元 3：准备代码中创建的 temp-rise 实例。
在 Terminal 窗口中依次输入并运行 cd temp_rise 和 pip install -r requirements.txt --user 安装所需依赖包。
选择 temp_rise > Train.ipynb 打开此文件。
在文件窗口上方的工具栏中选择双箭头图标重启此 kernel 并重新运行 Notebook 文件。
Train.ipynb 运行完成后，在页面右下角选择菜单图标然后选择此运行记录的 去运行实例列表 。
在 Artifacts 一栏中选择 temp_rise 文件夹并选择 New Version 按钮。
在弹窗中输入 temp-rise，即在步骤 1 中创建的模型并选择 ToModelHub 跳转到智能集市中的模型版本上架页面，基于 Train.ipynb 的运行结果上架模型版本。
选择 下一步，模型将自动构建。
模型构建完成后，选择 下一步，重复两次打开部署测试页面。

输入以下脚本并选择测试。

{
"data": {
  "names": [
     "gen_reactive_pw",
     "gen_spd",
     "torque",
     "tem_in",
     "tem_out",
     "winds_peed",
     "rotor_spd",
     "gen_active_pw"
  ],
  "ndarray": [
     [
     19.646925,
     963.533899,
     9311.739885,
     19.948558,
     6.743743,
     6.99086,
     13.066677,
     932.398765
     ],
     [
     20.020045,
     1010.172848,
     10268.291071,
     19.698487,
     6.722673,
     7.189325,
     13.955926,
     1070.147035
     ]
  ]
}
}

测试完成后，选择完成并在弹窗中选择确定完成模型版本上架。

上架第一个模型版本之后，你将跳转到 temp-rise 模型的详情页面。你可以在 版本管理 标签页中查看已上架的模型版本。

步骤 3：部署模型版本¶

为了让已上架的模型版本参与生产，通过以下步骤创建一个模型部署实例用来将已上架版本版本部署至相应容器内：

在 temp-rise 模型的详情页面选择 云端部署 > 版本上架。
在弹窗中配置以下信息。

字段

描述

实例名称

输入 temp-rise-instance。

资源池

选择本 OU 的 AI 容器计算资源。
选择确认。可在部署实例列表中查看到创建的部署实例。
选择部署实例名称打开模型部署页面，并选择 进入配置 按钮。
选择 请添加部署按钮，从下拉列表中选择需要部署的模型版本并选择确定。
选择部署。

（可选）步骤 4：测试模型版本¶

模型版本部署时，你可以返回模型详情页面并通过以下步骤手动测试模型的可用性：

在 temp-rise 模型的详情页面中选择 新建部署实例。
选择测试打开可用性测试页面。

在左侧输入框中输入以下脚本并选择测试。

{
"data": {
   "names": [
      "gen_reactive_pw",
      "gen_spd",
      "torque",
      "tem_in",
      "tem_out",
      "winds_peed",
      "rotor_spd",
      "gen_active_pw"
   ],
   "ndarray": [
      [
      19.646925,
      963.533899,
      9311.739885,
      19.948558,
      6.743743,
      6.990860,
      13.066677,
      932.398765
      ],
      [
      20.020045,
      1010.172848,
      10268.291071,
      19.698487,
      6.722673,
      7.189325,
      13.955926,
      1070.147035
      ]
   ]
}
}

步骤 5：调用模型服务¶

模型版本部署成功后，通过以下步骤调用模型服务：

在 temp-rise 模型的详情页面中选择 云端部署。
选择部署实例名称打开模型部署页面并选择 Predictor 卡片。
在右侧面板中查看并复制模型服务的 调用服务地址、Feedback 地址 和 Token。
通过 REST API 调用模型服务。有关调用模型服务的更多信息，参见调用模型服务。

字段	描述
名称	输入 `temp-rise`。
技术归属	选择分类。
模型类型	选择模型预测器。
输入数据类型	选择 Tabular。

字段	描述
API 类型	选择 REST。
配置方式	选择自定义 JSON 输入。

字段	描述
实例名称	输入 `temp-rise-instance`。
资源池	选择本 OU 的 AI 容器计算资源。