Machine Learning Designerは、Elastic Algorithm Service (EAS) とシームレスに統合されています。 Machine Learning Designerでモデルをオフラインでトレーニングおよび評価した後、モデルをオンラインサービスとしてEASにデプロイできます。 このトピックでは、Machine Learning DesignerでトレーニングされたモデルをオンラインサービスとしてEASにデプロイする方法について説明します。
前提条件
モデルが訓練され、モデルの精度が検証される。 詳細については、「モデルトレーニング」をご参照ください。
ワンクリック配置の使用
ワンクリック展開をサポートするアルゴリズム
コンポーネント | 生成されたモデル形式 | EASプロセッサ | 説明 |
バイナリ分類のロジスティック回帰 | PMML | PMML | モデルをトレーニングする前に、コンポーネントの [フィールド設定] タブで [PMMLを生成するかどうか] を選択する必要があります。 |
GBDTバイナリ分類 | PMML | PMML | |
リニアSVM | PMML | PMML | |
マルチクラス分類のロジスティック回帰 | PMML | PMML | |
ランダムな森 | PMML | PMML | |
ナイーブベイズ | PMML | PMML | |
K-平均クラスタリング | PMML | PMML | |
GBDT回帰 | PMML | PMML | |
線形回帰 | PMML | PMML | |
Scorecardトレーニング | PMML | PMML | |
テキストの要約 | TGZパッケージ | EasyNLP | パブリックObject Storage Service (OSS) バケットでPlatform for AI (PAI) が提供するEasyNLPが自動的に指定されます。 |
画像分類 (トーチ) | TGZパッケージ | EasyCV | パブリックOSSバケットでPAIが提供するEasyCVは自動的に指定されます。 |
PyAlinkスクリプト | AlinkModel | Alink | 詳細については、「PyAlinkスクリプト」をご参照ください。 |
XGboostトレイン | XGBoost | XGBoost | 詳細については、「XGboost Train」をご参照ください。 |
PMMLモデルのトレーニングに使用するコンポーネントについては、次の図の手順を実行して、コンポーネントの [フィールド設定] タブで [PMMLを生成するかどうか] を選択し、対応するノードを再実行する必要があります。
手順
Machine Learning Designerページに移動します。
PAIコンソールにログインします。
左側のナビゲーションウィンドウで、[ワークスペース] をクリックします。 [ワークスペース] ページで、管理するワークスペースの名前をクリックします。
ワークスペースページの左側のナビゲーションウィンドウで、機械学習デザイナーページに移動します。
[パイプライン] タブで、管理するパイプラインをダブルクリックします。
キャンバスの左上隅にある [モデル] をクリックします。
システムは、キャンバス上のトレーニング済みモデルを自動的に検出し、モデルをプロセッサと照合して、[EAS-Online model Services] ページにリダイレクトして展開を完了します。 詳細については、「Machine Learning Designerを使用したモデルサービスのデプロイ」をご参照ください。
手動でモデルをデプロイ
次の表のアルゴリズムコンポーネントを使用してモデルをトレーニングした後、モデルエクスポートコンポーネントを使用してモデルをアセンブルし、モデルをOSSバケットにエクスポートしてから、モデルを手動でデプロイする必要があります。 この方法では、ワンクリック展開はサポートされません。
コンポーネント | 生成されたモデル形式 | EASプロセッサ | 手動展開プロセス |
PS-SMART 二重分類訓練 | PS | PSアルゴリズム | コンポーネントの出力ポートをモデルエクスポートコンポーネントに接続します。 |
PS-SMARTマルチクラス分類 | |||
PS-SMART回帰 |
モデルをOSSバケットにエクスポートした後にモデルを手動でデプロイする方法の詳細については、「PAIコンソールを使用したモデルサービスのデプロイ」をご参照ください。
よくある質問
モデルをワンクリックモードでデプロイするときに一部のノードが暗くなり、選択できない場合はどうすればよいですか?
右側のコンポーネントの [フィールド設定] タブを開き、[PMMLを生成するかどうか] を選択して、対応するノードを再実行します。 詳細については、「ワンクリック展開をサポートするアルゴリズム」をご参照ください。
関連ドキュメント
EAS-Online Model Servicesページに移動して、デプロイされたサービスのステータスを表示したり、サービスを管理したりできます。 詳細については、「EASでのオンラインモデルサービスの管理」をご参照ください。
モデルサービスをデプロイした後、Machine Learning Designerが提供するUpdate EAS service (Beta) コンポーネントを使用して、サービスを定期的に更新できます。 詳細については、「オンラインモデルサービスの定期更新」をご参照ください。
Machine Learning Designerを使用すると、パイプラインをモデルとしてパッケージ化した後、バッチデータ処理パイプラインをオンラインサービスとしてEASにデプロイできます。 詳細については、「オンラインサービスとしてのパイプラインのデプロイ」をご参照ください。
Machine Learning Designerが提供する予測コンポーネントを使用して、モデルのバッチオフライン予測を実行できます。 詳細については、「バッチ予測の実装」をご参照ください。