予測 デプロイメント の管理
正しくデプロイするには、まずデプロイ先を設定し、その後、特定のデプロイタイプを選択して構成する必要があります。 資産 をデプロイした後、それらを管理および更新して、適切に実行されるようにし、正確性をモニターすることができます。
スペースから 資産 をデプロイできるようにするには、 Watson Machine Learning サービスをインストールしてプロビジョンする必要があります。
サービス
Watson Machine Learning サービスは、デフォルトでは使用できません。 管理者は、 IBM Cloud Pak for Data プラットフォームにこのサービスをインストールする必要があります。 サービスがインストールされているかどうかを判別するには、サービス・カタログを開き、 Watson Machine Learning サービスが有効になっているかどうかを確認します。
オンライン・デプロイメントとバッチ・デプロイメントでは、オンライン・スコアリング・エンドポイントを作成したり、モデルを使用してバッチ・スコアリングを実行したりする簡単な方法が提供されます。 デプロイメント
カスタム・ロジックを実装する場合は、以下のようにします。
- オンライン・エンドポイントの作成に使用する Python 関数を作成します
- バッチ・スコアリング用のノートブックまたはスクリプトの作成
注: バッチ・スコアリングを実行するノートブックまたはスクリプトを作成する場合、そのような 資産 は、バッチ・ デプロイメント としてではなく、プラットフォーム・ ジョブ
デプロイ可能な 資産
以下に、 Watson Machine Learning ・スペースからデプロイできる 資産 のリストを、適用可能な デプロイメント ・タイプとともに示します。
| アセットタイプ | バッチ・デプロイメント | オンライン・デプロイメント | アプリの展開 |
|---|---|---|---|
| 関数 | はい | はい | いいえ |
| モデル | はい | はい | いいえ |
| スクリプト | はい | いいえ | いいえ |
| Shinyアプリ | いいえ | いいえ | はい |
R Shiny アプリは、 Web アプリ・ デプロイメント でサポートされる唯一の 資産 ・タイプです。
注。
- デプロイメント・ジョブ は、バッチ・ デプロイメント 、または Watson Machine Learning のフローのような自己完結型の 資産 を実行する方法です。 ジョブ の入力と出力を選択し、手動で実行するか、スケジュールに従って実行するかを選択できます。
- ノートブックおよびフローは、ノートブック環境を使用します。 デプロイメント・スペース
- AutoAI エクスペリメントをプロジェクト内のノートブックとして保存し、そのノートブックを デプロイメント・スペース からプロモートすると、ノートブック・ ジョブ が失敗する可能性があります。 これは、ノートブックの デプロイメント・ジョブ を実行するために選択されたランタイム環境に、 AutoAI エクスペリメントを実行するために最初に使用されたランタイム環境よりも少ないリソースが含まれている場合に発生する可能性があります。 失敗を回避するには、ノートブックと環境を別々に デプロイメント・スペース にプロモートする必要があります。
- 自動マウントは、 Watson Machine Learning Shiny アプリ・ デプロイメント およびノートブック・ランタイムを使用するストレージ・ボリュームに対してのみ使用できます。 オンライン・デプロイメントおよびバッチ・ デプロイメント では、 Watson Machine Learning によってサポートされていないため、ストレージ・ボリュームの自動マウントを使用できません。
資産 をデプロイした後、それらを管理および更新して、適切に実行されるようにし、正確性をモニターすることができます。 デプロイメント が不要になったら、削除します。