プロジェクトでツールを実行するためのコンピューティングリソースの選択
ジョブやほとんどのツールを実行する際、プロジェクト内のコンピューティングリソースを使用します。 ツールによっては、そのツールの実行環境として使用するコンピューティングリソースを選択できる場合があります。
環境
ランタイム内で、アセットを実行したり、ジョブを作成したり、 RStudio や JupyterLab などのIDEを起動したりします。 実行時の詳細は、環境テンプレートによって指定されます。
環境テンプレートは、ランタイムのハードウェアおよびソフトウェア構成を指定します：
- ハードウェア構成は、処理能力と使用可能な RAM の量を指定します。
- ソフトウェア構成では、指定できるプログラミング言語、プリインストール済みライブラリーのセット、およびオプションのライブラリーまたはパッケージを指定します。
組み込まれている環境テンプレート
付属の環境テンプレートを使用すれば、独自の環境テンプレートを作成することなく、すぐに使い始めることができます。 組み込まれている環境テンプレートは、プロジェクトの 「環境」 ページにリストされます。
ノートブックおよび JupyterLab 用に組み込まれている環境は、ランタイム・リリースの関連会社として追加され、接頭部として Runtime が付き、その後にリリース年とリリース・バージョンが続きます。
ランタイム・リリースは、主要なデータ・サイエンス・ライブラリーのリストと言語バージョン (例えば、 Python 3.11) を指定します。 ランタイム・リリースのすべての環境は、そのリリースで定義されているライブラリー・バージョンに基づいてビルドされます。 これにより、すべてのデータ・サイエンス・アプリケーションで一貫性のあるデータ・サイエンス・ライブラリーの使用が保証されます。
ランタイム・リリース
IBM セキュリティ要件に対応するため、必要に応じてサポート対象のランタイムのライブラリバージョンを更新します。 この更新により変更されるのはライブラリのバージョン <Patch> だけであり、各ライブラリのバージョン番号は <Major>.<Minor> 変更されません。 そのため、ノートブック資産は引き続き実行されます。
例えば、ランタイム・リリースは TensorFlow 2.12をサポートします。 watsonx （ 2.2 ）のランタイムリリースには、 TensorFlow （ 2.14.1 ）が含まれています。 TensorFlow は、今後の watsonx 2.2.x のリリースにおいて、バージョン 2.14.2 または 2.14.3 に更新される可能性がありますが、バージョン 2.15 には更新されません。
ランタイムに含まれるライブラリパッケージ
Watson Studio ランタイムに含まれている一般的なデータ・サイエンス・ライブラリー・パッケージの特定のバージョンについては、以下の表を参照してください。
| ライブラリー | 実行環境： 25.1 （ Python 上で） 3.12 |
|---|---|
| Keras | 3.9 |
| ラーレ | 0.9 |
| LightGBM | 4.5 |
| NumPy | 2.0 |
| ONNX | 1.17 |
| ONNX ランタイム | 1.21 |
| OpenCV | 4.10 |
| pandas | 2.2 |
| PyArrow |
|
| PyTorch | 2.6 |
| scikit-learn | 1.6 |
| SciPy | 1.15 |
| SnapML | 1.16 |
| TensorFlow | 2.18 |
| XGBoost | 2.1 |
| ライブラリー | Rでの 25.1 の実行 4.4 |
|---|---|
| 矢印 |
|
| 自動車 | |
| キャレット (挿入ポイント) | 7.0 |
| カツール | |
| 予測 | 9.0 |
| ggplot2 | 4.0 |
| グルムネット | |
| HMISC | 5.2 |
| Keras | 2.15 |
| lme4 | |
| ムヴトノーム | 1.3 |
| パンドック | |
| サイク | |
| ニシキヘビ | 3.12 |
| ランダムフォレスト | |
| 網状 | 1.44 |
| サンドイッチ | 3.1 |
| scikit-learn | 1.6 |
| 空間処理 | 7.3 |
| Tensorflow | 2.18 |
| ティディル | 1.3 |
| XGBoost | 1.7 |
表に記載されているライブラリに加え、ランタイムには他にも多くの便利なライブラリが含まれています。 リストを表示するには、プロジェクトの「 管理 」タブを選択し、「 テンプレート 」をクリックして、「 環境 」タブを選択し、表示された環境テンプレートのいずれかをクリックしてください。
始めに
GPU および Execution Engine for Apache Hadoop 環境を使用する Python は、デフォルトでは使用できません。
- GPU 環境を使用する Python の場合、 Jupyter Notebooks with Python for GPU サービスをインストールする必要があります。
- Execution Engine for Apache Hadoop 環境では、 Execution Engine for Apache Hadoop サービスをインストールする必要があります。
これらのサービスをインストールした後、これらの環境を使用するための独自の環境テンプレートを作成する必要があります。
次の表は、資産タイプ別の環境テンプレートをまとめたものです。
Analytics Engine がインストールされていないノートブックエディタ用のRベースのランタイムは、 IBM Power® （ ppc64le ）プラットフォームでは動作しません。 R4.3 以降をベースとした Data Refinery 用のRベースのランタイムは、 IBM Power® （ ppc64le ）プラットフォーム上で動作します。
| アセット | プログラミング言語 | ツール | 環境テンプレート・タイプ | 使用可能な環境テンプレート/コンピュート・リソース |
|---|---|---|---|---|
| Jupyter ノートブック (Jupyter notebook) | Python | ノートブック・エディター | Python 仮想環境 | Python 環境 |
| Jupyter ノートブック (Jupyter notebook) | Python | ノートブック・エディター | Python GPUを搭載した仮想環境 | GPU 環境 |
| Jupyter ノートブック (Jupyter notebook) | Python | ノートブック・エディター | Spark | Spark環境 |
| Jupyter ノートブック (Jupyter notebook) | Python | ノートブック・エディター | Spark | Hadoop クラスター |
| Jupyter ノートブック (Jupyter notebook) | R | ノートブック・エディター | R環境 | R環境 |
| Jupyter ノートブック (Jupyter notebook) | R | ノートブック・エディター | Spark | Spark環境 |
| Jupyter ノートブック (Jupyter notebook) | Python | JupyterLab | Python 仮想環境 | JupyterLab 環境 |
| Jupyter ノートブック (Jupyter notebook) | Python | Visual Studio Code エディター | Python 仮想環境 | JupyterLab 環境 |
| スクリプト | R | RStudio | R環境 | RStudio 環境 |
| Shinyアプリ | R | RStudio | R環境 | RStudio 環境 |
| SPSS Modeler フロー | 該当なし | SPSS Modeler | SPSS Modeler | SPSS Modeler 環境 |
| Data Refinery フロー (Data Refinery flow) | R | Data Refinery | Spark | Data Refinery 環境 |
| Data Refinery フロー (Data Refinery flow) | R | Data Refinery | Spark | Hadoop クラスター |
ツールの実行環境を変更する
複数の実行環境をサポートするツールの場合、処理が遅いと感じたときは、より大規模な実行環境を選択することができます。
環境の実行時設定を変更するには：
- 別の環境に切り替える前に、現在のセッションのデータをすべて保存してください。
- プロジェクトの [管理] タブにある [環境] ページの [ツールランタイム ] で、アクティブなランタイムを停止します。
- ツールを再起動し、要件により適した演算能力とメモリ容量を持つ別の環境を選択してください。