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。 By uploading a model artifact to the Custom Model Workshop, you can create, test, and deploy custom inference models to a centralized deployment hub. 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。 If you've created a model outside of DataRobot and you want to upload your model to DataRobot, you need to define two components:
-
Model content: The compiled artifact, source code, and additional supporting files related to the model.
-
Model environment: The Docker image where the model will run. Model environments can be either drop-in or custom, containing a Docker file and any necessary supporting files. DataRobot provides a variety of built-in environments. Custom environments are only required to accommodate very specialized models and use cases.
備考
Custom inference models are not custom DataRobot models. They are user-defined models created outside of DataRobot and assembled in the Custom Model Workshop for deployment, monitoring, and governance.
その他の情報については、関連する 特徴量に関する考慮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。 |
| Create custom models | How to create custom inference models in the Custom Model Workshop. |
| Manage custom model dependencies | How to manage model dependencies from the workshop and update the base drop-in environments to support your model code. |
| Manage custom model resource usage | How to configure the resources a model consumes to facilitate smooth deployment and minimize potential environment errors in production. |
| Add custom model versions | How to to create a new version of the model and/or environment after updating the file contents with new package versions, different preprocessing steps, updated hyperparameters, and more. |
| Add training data to a custom model | How to add training data to a custom inference model for deployment. |
| 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。 |
| Test a custom model in DataRobot | 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。 |
| カスタムモデルの管理 | 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。 |
| Register custom models as model packages | 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。 |
| カスタムモデルパッケージの管理 | モデルレジストリからカスタムモデルをデプロイ、共有、またはアーカイブする方法。 |
Custom model assembly¶
| トピック | 説明 |
|---|---|
| Custom model assembly | How to assemble the files required to run custom inference models. |
| Custom model components | How to identify the components required to run custom inference models. |
| Assemble structured custom models | How to use DRUM to assemble and validate structured custom models compatible with DataRobot. |
| Assemble unstructured custom models | How to use DRUM to assemble and validate unstructured custom models compatible with DataRobot. |
| DRUM CLIツール | How to download and install DataRobot user model (DRUM) to work with Python, R, and Java custom models and to quickly test custom models, and custom environments locally before uploading into DataRobot. |
| カスタムモデルをローカルでテスト | 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 |
|---|---|
| Custom model environments | How to select a custom model environment from the drop-in environments or create additional custom environments. |
| Drop-in environments | How to select the appropriate DataRobot drop-in environment when creating a custom model. |
| カスタム環境 | How to assemble, validate, and upload a custom environment. |
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。
-
カスタム推論モデルにはインターネットおよび外部ネットワークへのアクセスがありません。
-
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10GB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 recommends always pinning versions.