NextGenエクスペリエンス > レジストリ > 環境 > ドロップイン環境の使用

ドロップイン環境¶

DataRobotでは、モデルワークショップでドロップイン環境が使用でき、必要なライブラリを定義してstart_server.shファイルが使用できます。次の表に、DataRobotのドロップイン環境の詳細とDRUMリポジトリ内のテンプレートへのリンクを示します。 モデルワークショップのアセンブルタブの環境セクションでは各環境の前に[DataRobot]が置かれます。

カスタムモデルのドロップイン環境¶

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`）
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。

カスタムモデルの環境変数¶

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 2025年3月19日

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。