IBM watsonx.aiRuntimeでは、一般的なツール、ライブラリ、フレームワークを使用して、機械学習モデルや関数をトレーニングし、デプロイすることができます。 これらのモデルおよび機能の環境は、特定のハードウェアおよびソフトウェア仕様で構成されています。
ソフトウェア仕様は、モデルまたは関数に使用する言語とバージョンを定義します。 ソフトウェア仕様を使用して、モデルおよび機能の実行に使用されるソフトウェアを構成することができます。 ソフトウェア仕様を使用することにより、使用するソフトウェア・バージョンを正確に定義し、独自の拡張機能を組み込むことができます (例えば、conda .yml ファイルまたはカスタム・ライブラリーを使用)。
使用可能なソフトウェア仕様とハードウェア仕様のリストを取得し、それらの名前と ID をデプロイメントで使用できます。 詳細はPythonクライアントまたはData and AI Common Core APIを参照。
機械学習フレームワークでサポートされるソフトウェア仕様
一般的なツール、ライブラリー、およびフレームワークを使用して、機械学習モデルおよび機能をトレーニングし、デプロイすることができます。
この表には、事前定義 (基本) モデル・タイプとソフトウェア仕様がリストされています。
| フレームワーク | バージョン | モデル・タイプ | ソフトウェア仕様 |
|---|---|---|---|
| Decision Optimization | 20.1 | D-docplex_20.1 -opl_20.1 -d-cplex_20.1 -d-cpo_20.1 |
do_20.1 |
| Decision Optimization | 22.1 | D-docplex_22.1 -opl_22.1 -cplex_22.1 -cpo_22.1 |
do_22.1 |
| PMML | 3.0 から 4.3 | pmml_. (or) pmml_..*3.0 - 4.3 | pmml-3.0_4.3 |
| PyTorch | 2.0 | pytorch-onnx_2.0 pytorch-onnx_rt23.1 |
runtime-23.1-py3.10 pytorch-onnx_rt23.1-py3.10 pytorch-onnx_rt23.1-py3.10-edt pytorch-onnx_rt23.1-py3.10-dist |
| PyTorch | 2.1 | pytorch-onnx_2.1 pytorch-onnx_rt24.1 |
runtime-24.1-py3.11 pytorch-onnx_rt24.1-py3.11 pytorch-onnx_rt24.1-py3.11-edt pytorch-onnx_rt24.1-py3.11-dist |
| Python 関数 | NA | NA | runtime-24.1-py3.11 |
| Python スクリプト | NA | NA | runtime-24.1-py3.11 |
| Scikit-learn | 1.1 | scikit-learn_1.1 | runtime-23.1-py3.10 |
| Scikit-learn | 1.3 | scikit-learn_1.3 | runtime-24.1-py3.11 |
| Spark | 3.3 | mllib_3.3(deprecated) | spark-mllib_3.3(deprecated) |
| Spark | 3.4 | mllib_3.4 | spark-mllib_3.4 |
| SPSS | 17.1 | spss-modeler_17.1 | spss-modeler_17.1 |
| SPSS | 18.1 | spss-modeler_18.1 | spss-modeler_18.1 |
| SPSS | 18.2 | spss-modeler_18.2 | spss-modeler_18.2 |
| Tensorflow | 2.12 | tensorflow_2.12 tensorflow_rt23.1 |
runtime-23.1-py3.10 tensorflow_rt23.1-py3.10-dist tensorflow_rt23.1-py3.10-edt tensorflow_rt23.1-py3.10 |
| Tensorflow | 2.14 | tensorflow_2.14 tensorflow_rt24.1 |
runtime-24.1-py3.11 tensorflow_rt24.1-py3.11-dist tensorflow_rt24.1-py3.11-edt tensorflow_rt24.1-py3.11 |
| XGBoost | 1.6 | xgboost_1.6 または scikit-learn_1.1 (注を参照) | runtime-23.1-py3.10 |
| XGBoost | 2.0 | xgboost_2.0または scikit-learn_1.3 | runtime-24.1-py3.11 |
| onnx または onnxruntime | 1.16 | onnxruntime_1.16 | onnxruntime_opset_19 |
ハイブリッド・モデルのサポート・モデル・タイプとソフトウェア仕様
ハイブリッドモデルの対応機種とソフトウェア仕様は以下の通り：
| フレームワーク | バージョン | モデル・タイプ | デフォルト ソフトウェア仕様 |
パイプライン・ソフトウェア仕様 |
|---|---|---|---|---|
| Hybrid | 0.1 | wml-hybrid_0.1 | hybrid_0.1 | autoai-kb_rt24.1-py3.11 autoai-ts_rt24.1-py3.11 |
廃止されたソフトウェア仕様またはフレームワークに依存する資産がある場合、マイグレーションがシームレスに行われることがあります。 それ以外の場合は、資産をリトレーニングまたは再デプロイするためのアクションが必要です。
廃止されたフレームワーク・バージョンまたはソフトウェア仕様で作成されたモデルの既存のデプロイメントは、廃止日に削除されます。
廃止されたフレームワーク・バージョンまたはソフトウェア仕様で作成されたモデルの新規デプロイメントは許可されません。
以前のバージョンの Cloud Pak for Dataからアップグレードする場合、サポートされないフレームワークに基づくモデル、関数、またはスクリプトのデプロイメントは削除されます。 サポートされるフレームワークを使用してデプロイメントを再作成する必要があります。
以前のバージョンの Cloud Pak for Data からアップグレードするときに、サポートされないフレームワークを使用するモデルがある場合でも、それらのモデルにアクセスできます。 ただし、「 古いソフトウェア仕様またはフレームワークの管理」で説明されているように、モデル・タイプとソフトウェア仕様をアップグレードするまでは、それらをトレーニングしたりスコアリングしたりすることはできません。
親トピック: フレームワークおよびソフトウェア仕様