MLOps > デプロイ > デプロイ用のカスタムモデルの準備

デプロイ用のカスタムモデルの準備¶

カスタム推論モデルでは、独自のトレーニング済みモデルをDataRobotに取り込むことができます。カスタムモデルワークショップにモデルアーティファクトをアップロードすることによって、一元化されたデプロイハブでカスタム推論モデルを作成、テスト、およびデプロイできます。 DataRobotは、Python、R、Javaを始めとするさまざまなコーディング言語で構築されたモデルをサポートします。 DataRobotの外部でモデルを作成し、モデルをDataRobotにアップロードする場合は、2つのコンポーネントを定義する必要があります。

モデルコンテンツ：コンパイルされたアーティファクト、ソースコード、およびモデルに関連する追加のサポートファイル。
モデル環境：モデルを実行するDockerイメージ。モデル環境は、Dockerファイルと必要なサポートファイルを含む、ドロップインまたはカスタムのいずれかになります。 DataRobotは、さまざまなビルトイン環境を提供します。カスタム環境は、非常に特殊なモデルとユースケースに対応するためにのみ必要とされます。

備考

カスタム推論モデルは、カスタムDataRobotモデルではありません。これらは、デプロイ、監視、およびガバナンスのために、DataRobotの外部で作成され、カスタムモデルワークショップで構築されたユーザー定義モデルです。

その他の情報については、関連機能に関する注意事項を参照してください。

カスタムモデルワークショップ¶

トピック	説明
カスタムモデルワークショップ	事前にトレーニングされた独自のモデルをカスタム推論モデルとしてDataRobotに取り込み、それらのモデルを一元化されたデプロイハブにデプロイします。
カスタムモデルの作成	カスタムモデルワークショップでカスタム推論モデルを作成する方法。
カスタムモデルの依存関係を管理	モデルの依存関係をワークショップから管理し、モデルコードをサポートするように基本のドロップイン環境を更新する方法。
カスタムモデルリソース使用量を管理	モデルが消費するリソースを設定して、スムーズなデプロイを促進し、本番環境で発生する可能性のある環境エラーを最小限に抑える方法。
カスタムモデルバージョンの追加	新しいパッケージバージョン、異なる前処理のステップ、更新されたハイパーパラメーターなどで、ファイルのコンテンツを更新した後で、モデルや環境の新しいバージョンを作成する方法。
カスタムモデルにトレーニングデータを追加	デプロイ用のカスタム推論モデルにトレーニングデータを追加する方法。
リモートリポジトリのファイルをカスタムモデルに追加	リモートリポジトリに接続し、カスタムモデルのファイルをカスタムモデルワークショップにプルする方法。
DataRobotでのカスタムモデルのテスト	カスタムモデルワークショップでカスタム推論モデルをテストする方法。
カスタムモデルを管理	カスタムモデルとカスタムモデル環境を削除または共有する方法。
カスタムモデルの登録	モデルレジストリにカスタム推論モデルを登録する方法。

カスタムモデルの構築¶

トピック	説明
カスタムモデルの構築	カスタム推論モデルの実行に必要なファイルを構築する方法。
カスタムモデルコンポーネント	カスタム推論モデルの実行に必要なコンポーネントを識別する方法。
構造化カスタムモデルの構築	DRUMを使用して、DataRobotと互換性のある構造化カスタムモデルを構築して検証する方法。
非構造化カスタムモデルの構築	DRUMを使用して、DataRobotと互換性のある非構造化カスタムモデルを構築して検証する方法。
DRUM CLIツール	DataRobotユーザーモデル（DRUM）をダウンロードしてインストールし、Python、R、およびJavaカスタムモデルで機能させ、DataRobotにアップロードする前にローカルでカスタムタスク、モデル、環境を迅速にテストする方法。
ローカルでのカスタムモデルのテスト	DataRobot Model Runner（DRUM）ツールを使用してローカル環境でカスタム推論モデルをテストする方法。

カスタムモデル環境¶

トピック	説明
カスタムモデル環境	ドロップイン環境からカスタムモデル環境を選択する方法、または追加のカスタム環境を作成する方法。
ドロップイン環境	カスタムモデルを作成するときに適切なDataRobotドロップイン環境を選択する方法。
カスタム環境	カスタム環境を構築、検定、およびアップロードする方法。

機能に関する注意事項¶

モデル画像を使用したデプロイの作成は進行中にキャンセルできません。
推論モデルは元のCSVデータを受信し、すべての前処理を処理する必要があります。
モデルの既存のトレーニングデータを変更できるのは、モデルがアクティブにデプロイされていない場合だけです。この制約は、トレーニングデータを初めて追加する場合には適用されません。また、トレーニングデータの割り当てを解除することはできません。割り当て後は変更だけが可能です。
ターゲット名を変更できるのは、モデルにトレーニングデータがなく、モデルがデプロイされていない場合だけです。
ユーザーあたりの制限では、カスタムモデルデプロイの数は30、カスタム環境の数は30、およびカスタム環境バージョンの数は30です。
カスタム推論モデルサーバーの起動は、3分に制限されています。
トレーニングデータのファイルサイズは1.5GBに制限されます。
依存関係の管理は、適切なインデックスのパッケージでのみ機能します。 URLからパッケージをインストールすることはできません。
依存関係のイメージが構築されると、固定されていないPythonの依存関係は更新されません。新しいバージョンに更新するには、バージョン制約のある要件ファイルを新規作成する必要があります。 DataRobotでは、バージョンを常に固定することが推奨されます。
SaaS AIプラットフォームのみ：カスタム推論モデルは、インターネットや外部ネットワークにアクセスできません。