MLOps > デプロイ > デプロイ用のカスタムモデルの準備 > カスタムモデル環境 > ドロップイン環境

ドロップイン環境¶

DataRobotは、カスタムモデルワークショップからドロップイン環境を提供します。ドロップイン環境には、カスタムモデルの要件とstart_server.shファイルが含まれるので、それらをモデルのフォルダーに用意する必要はありません。次の表に、DataRobotが提供するドロップイン環境の詳細を示します。 カスタムモデルワークショップの環境タブに表示される各環境の前には[DataRobot]と表示されます。これらのドロップイン環境は、カスタムモデルを作成するときに選択できます。

環境名と例	モデルの互換性とアーティファクトファイルの拡張子
Python 3 ONNXドロップイン	ONNXモデル（`.onnx`）
Python 3 PMMLドロップイン	PMMLモデル（`.pmml`）
Python 3 PyTorchドロップイン	PyTorchモデル（`.pth`）
Python 3 Scikit-Learnドロップイン	Scikit-Learnモデル（`.pkl`）
Python 3 XGBoostドロップイン	ネイティブXGBoostモデル（`.pkl`）
Python 3 Kerasドロップイン	TensorFlow（`.h5`）を用いたKerasモデル
Javaドロップイン	DataRobotスコアリングコードモデル（`.jar`）
Rドロップイン環境	CARET（`.rds`）を使ってトレーニングされたRモデル CARETが推奨するすべてのライブラリをインストールするのに時間がかかるため、パッケージ名でもあるモデルタイプのみがインストールされます（例：`brnn`、`glmnet`）。この環境のコピーを作成し、Dockerfileを修正して、必要なパッケージを追加でインストールします。この環境をカスタマイズする際のビルド回数を減らすために、`# Install caret models`セクションで不要な行を削除して、必要なものだけをインストールすることもできます。 CARETドキュメントを参照して、モデルの手法がパッケージ名と一致しているかどうかを確認してください。このリンクをクリックする前にGitHubにログインしてください。
Juliaドロップイン*	Juliaモデル（`.jlso`） * Juliaのドロップイン環境は公式にはサポートされていません。例として提供されています。

備考

すべてのPython環境には、前処理（必要な場合）を支援するScikit-Learnが含まれていますが、sklearnモデルで予測を作成できるのはScikit-Learnだけです。

環境変数¶

ドロップイン環境を使用する場合、カスタムモデルコードは DataRobotクライアントと MLOps Connected Clientへのアクセスを容易にするために挿入された複数の環境変数を参照できます。

環境変数	説明
`MLOPS_DEPLOYMENT_ID`	カスタムモデルがデプロイモードで実行されている場合（カスタムモデルがデプロイされている場合）、デプロイIDを使用できます。
`DATAROBOT_ENDPOINT`	カスタムモデルにパブリックネットワークアクセスがある場合、DataRobotエンドポイントURLを使用できます。
`DATAROBOT_API_TOKEN`	カスタムモデルにパブリックネットワークアクセスがある場合、DataRobot APIトークンを使用できます。

更新しました March 13, 2024

このページは役に立ちましたか？

ありがとうございます。どのような点が役に立ちましたか？

より良いコンテンツを提供するには、どうすればよいでしょうか？

アンケートにご協力いただき、ありがとうございました。