モデルの準備¶
カスタムモデルと環境をDataRobotに追加する前に、モデルと環境を正常に実行するために必要なファイルを準備して構造化する必要があります。カスタムモデルの準備に必要なツールとテンプレートは、カスタムモデルGitHubリポジトリでホストされています。（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。）DataRobotでは、カスタムモデルワークショップにアップロードするコンテンツを準備するために、次のワークフローを推奨しています。
非構造化カスタム推論モデル¶
DataRobotは、従来の連続値または二値分類のターゲットタイプを使用しないカスタムモデルをサポートします。カスタムモデルを作成するときに、追加のターゲットタイプに対して非構造化を選択できます。非構造化モデルは、連続値モデルや二値分類モデルのように特定の入出力スキーマに準拠する必要はありません。入力と出力に任意のデータを使用できます。そのため、ターゲットタイプに関係なく、DataRobotを使用してあらゆるタイプのモデルをデプロイおよび監視できます。
非構造化モデルを使用すると、予測リクエストと応答からデータを読み取る方法をより細かく制御できます。ただし、アセンブルには正確なコーディングが必要です。カスタムモデルフックを実装して、非構造化入力データを処理し、応答を生成する必要があります。
備考
非構造化モデルのデプロイ機能には制約があります。デプロイされた非構造化モデルでは、データのドリフトと精度の統計、チャレンジャーモデル、および信頼性ルールが無効になります。また、デプロイされた非構造化カスタムモデルにトレーニングデータを追加することはできません。
非構造化カスタム推論モデルに固有のアセンブル手順については、DRUMのドキュメントに記載されているPythonおよびRのモデルテンプレートを参照してください。
フォルダのアセンブル¶
カスタム推論モデルを作成するには、カスタム環境で使用する以下のファイルを提供する必要があります。
- 選択した環境言語に対応するファイル拡張子のあるシリアル化されたモデルアーティファクト。
- それを使用するために必要な追加のカスタムコード。
フォルダーを適切にアセンブルするための具体的なガイドラインについては、カスタムモデルGitHubリポジトリを参照してください。
- モデルアーティファクトを構造化してモデルが基づいているライブラリに一致させます
- Python、R、およびJavaモデルの適切なカスタムフックを提供します。
- 正しいコンテンツでカスタムモデルフォルダーをアセンブルするには、カスタムモデルテンプレートを参照してください。
備考
GitHubにログインしてからこれらのGitHubリソースにアクセスしてください。
環境の準備¶
カスタムモデルを作成する場合、使用するカスタム環境](custom-env)にはモデルコンテンツとの互換性がある必要があります（モデルのランタイム環境が定義されます）。カスタム環境を適切に準備するための具体的なガイドラインについては、[カスタムモデルGitHubリポジトリを参照してください。
- カスタムモデルとの互換性のあるカスタム環境テンプレートを使用または変更します。
- 独自の環境を構築するためのガイドラインを参照してください。環境テンプレートを使用することをお勧めします。特定のユースケース（DRUMを使用せず、独自の予測サーバーを実装する場合など）を除き、独自の環境を構築することは推奨されません。
ローカルテスト¶
カスタムモデルフォルダーをアセンブルした後、DRUM（ローカルでモデルをテストするためのCustom Model Runnerツール）を使用します。カスタムモデルワークショップ内の環境でカスタム推論モデルをテストし、デプロイする前に予想どおり動作するかを確認できます。
DRUMはPyPiからダウンロードできます。
具体的な使用ガイダンスについては、DRUM GitHubリポジトリを参照してください。