0 / 0
資料の 英語版 に戻る
ユーザー・インターフェースを使用した Decision Optimization モデルのデプロイ
最終更新: 2024年11月21日
ユーザー・インターフェースを使用した Decision Optimization モデルのデプロイ

Decision Optimization experiment UIでデプロイメント用のモデルを保存し、デプロイメントスペースに昇格させることができます。

始める前に

プロジェクトに デプロイメント・スペース が関連付けられている必要があります。

このタスクについて

その結果、信頼性、パフォーマンスに満足したら、Decision Optimization experiment UIからモデルをデプロイできる。

デプロイメントの主なステージは以下のとおりです。
  1. Decision Optimization experiment UI から、モデルシナリオをプロジェクトにモデルとして保存する。
  2. 配備スペースにあなたの モデルを 宣伝する。
  3. デプロイメント・スペースから、新規デプロイメントを作成します。
  4. その後、デプロイされたモデルに対してジョブを作成して実行できます。
これらのステージについては、以下の手順で詳しく説明します。

手順

デプロイメントのモデルを保存するには、以下のようにします。

  1. Decision Optimization テスト UIで、 シナリオ または 概要 ペインのいずれかから、デプロイするシナリオのメニュー・アイコン シナリオ・メニュー・アイコン をクリックし、 デプロイメントのために保存 を選択します。
  2. モデルの名前を指定し、必要に応じて説明を追加してから、 「次へ」をクリックします。
    1. 「入力」 および 「出力スキーマ」 を確認し、スキーマに含める表を選択します。
    2. 「実行パラメーター」 を確認し、必要に応じてパラメーターを追加、変更、または削除します。
    3. 確認して保存 ウィンドウにリストされている 環境 および モデル・ファイル を確認します。
    4. 「保存」をクリックします。
    これにより、プロジェクトの 「モデル」 セクションでモデルが使用可能になります。

モデルをデプロイメント・スペースにプロモートするには、以下のようにします。

  1. プロジェクトの 「モデル」 セクションでモデルを表示します。
    入出力スキーマが示された要約を確認できます。 「デプロイメント・スペースにプロモートする (Promote to deployment space)」をクリックします。
  2. 開いた 「スペースにプロモート」 ウィンドウで、以下を実行します。 「ターゲット・スペース」 フィールドにデプロイメント・スペースの名前が表示されていることを確認し、 「プロモート」をクリックします。
  3. 受け取ったメッセージ内のリンク デプロイメント・スペース をクリックして、プロモーションが成功したことを確認します。
    プロモートされたモデルは、 デプロイメント・スペース資産 タブに表示されます。 情報ペインには、タイプ、ソフトウェア仕様、説明、および使用されている Python バージョンなどの定義済みタグが表示されます。

新規デプロイメントを作成するには、以下のようにします

  1. デプロイメント・スペースの 「資産」タブ から、モデルを開き、 「新規デプロイメント」をクリックします。
  2. 開いた 「デプロイメントの作成」 ウィンドウで、デプロイメントの名前を指定し、 「ハードウェア仕様」を選択します。
    「作成」をクリックして、デプロイメントを作成します。 デプロイメント・ウィンドウが開き、そこから後でジョブを作成できます。

結果

デプロイメント・スペースのモデルの「デプロイメント」タブでデプロイメントに関する情報にアクセスできます。

Decision Optimization ジョブの作成と実行

デプロイされたモデルに対してジョブを作成して実行できます。

手順

  1. ナビゲーション・パスを使用してデプロイメント・スペースに戻り、(データ・ペインがまだ開いていない場合は) 「データ」 アイコンをクリックしてデータ・ペインを開きます。 ここで入力データ表およびソリューションと KPI の出力表をアップロードします。 (解と kpi の値を表示するには、モデル内に出力表が定義されている必要があります。)
  2. デプロイメント・スペースの「デプロイメント」タブでデプロイメント・モデルを選択して開き、 「新規ジョブ」をクリックします。
  3. ジョブの名前とオプションの説明を入力してジョブの詳細を定義し、 「次へ」をクリックします。
  4. ハードウェア仕様を選択してジョブを構成し、 「次へ」をクリックします。
    ここでジョブをスケジュールするか、デフォルトのスケジュール・オプションをオフのままにして 「次へ」をクリックするかを選択できます。 オプションで、通知をオンにするか、 「次へ」をクリックするかを選択することもできます。
  5. 入力テーブルと出力テーブルのそれぞれについて、「ソースの選択」をクリックして、ジョブで使用するデータを選択します。 「次へ」をクリックします。
  6. これで、 「作成」をクリックしてモデルを確認および作成できます。
    ジョブが正常に作成されたことを示すメッセージが表示されたら、デプロイメント・スペースから開いて確認できます。 そこでジョブの実行状況を確認できます。
  7. ジョブの「実行」を開きます。
    ジョブ・ログが開きます。ペイロード情報を表示およびコピーすることもできます。

結果

watsonx.aiRuntimePythonクライアントを使用することで、ジョブの作成と監視、ソリューションの取得が可能です。 DO サンプルRunDeployedModel ノートブック を参照してください。 該当する製品およびバージョンのサブフォルダーを選択します。

生成 AI の検索と回答
これらの回答は、製品資料の内容に基づいて、 watsonx.ai のラージ言語モデルによって生成されます。 詳細