サポートされる機械学習プロバイダー
最終更新: 2024年11月28日
機械学習モデルの評価には、watsonx.aiRuntimeと多くのサードパーティの機械学習プロバイダーがサポートされています。
これらのサポートされる機械学習プロバイダーのいずれかを使用して、ペイロード・ロギングとフィードバック・ロギングを実行し、モデル評価の一環としてパフォーマンスの正確度、実行時のバイアス検出、説明性、および自動バイアス緩和機能を測定します。
- watsonx.aiランタイム
- Azure ML Studio
- Azure ML Service
- AWS SageMaker
- カスタム(カスタムの機械学習フレームワークは、watsonx.aiRuntime と同等の機能を持つ必要があります)
複数の機械学習エンジンのサポート
機械学習モデルの評価を設定したり、PythonSDKを使用したりする際に、複数の機械学習エンジンをプロビジョニングすることができます。
機械学習モデル評価用プロバイダーの追加
- Configure「
タブから、Add machine learning providerをクリックする。 - 追加するプロバイダーを選択します。
- 資格情報などの必要な情報を入力し、 「保存」をクリックします。
機械学習プロバイダーの詳細の変更または更新
タイルメニューの「
アイコンをクリックし、「View & edit details」をクリックする。
Python SDK を使用した機械学習プロバイダーの追加
PythonAPI の 'wos_client.service_providers.add
IBM watsonx.aiランタイム
IBM watsonx.aiRuntime 機械学習エンジンを追加するには、以下のコマンドを実行する：
WML_CREDENTIALS = { "url": "https://us-south.ml.cloud.ibm.com", "apikey": IBM CLOUD_API_KEY } wos_client.service_providers.add( name=SERVICE_PROVIDER_NAME, description=SERVICE_PROVIDER_DESCRIPTION, service_type=ServiceTypes.WATSON_MACHINE_LEARNING, deployment_space_id = WML_SPACE_ID, operational_space_id = "production", credentials=WMLCredentialsCloud( apikey=CLOUD_API_KEY, ## use `apikey=IAM_TOKEN` if using IAM_TOKEN to initiate client url=WML_CREDENTIALS["url"], instance_id=None ), background_mode=False ).result
Microsoft Azure ML Studio
Azure ML Studio 機械学習エンジンを追加するには、以下のコマンドを実行します。
AZURE_ENGINE_CREDENTIALS = { "client_id": "", "client_secret": "", "subscription_id": "", "tenant": "" } wos_client.service_providers.add( name=SERVICE_PROVIDER_NAME, description=SERVICE_PROVIDER_DESCRIPTION, service_type=ServiceTypes.AZURE_MACHINE_LEARNING, #deployment_space_id = WML_SPACE_ID, #operational_space_id = "production", credentials=AzureCredentials( subscription_id= AZURE_ENGINE_CREDENTIALS['subscription_id'], client_id = AZURE_ENGINE_CREDENTIALS['client_id'], client_secret= AZURE_ENGINE_CREDENTIALS['client_secret'], tenant = AZURE_ENGINE_CREDENTIALS['tenant'] ), background_mode=False ).result
Amazon SageMaker
AWS Sagemaker 機械学習エンジンを追加するには、以下のコマンドを実行します。
SAGEMAKER_ENGINE_CREDENTIALS = { 'access_key_id':””, 'secret_access_key':””, 'region': '} wos_client.service_providers.add( name="AWS", description="AWS Service Provider", service_type=ServiceTypes.AMAZON_SAGEMAKER, credentials=SageMakerCredentials( access_key_id=SAGEMAKER_ENGINE_CREDENTIALS['access_key_id'], secret_access_key=SAGEMAKER_ENGINE_CREDENTIALS['secret_access_key'], region=SAGEMAKER_ENGINE_CREDENTIALS['region'] ), background_mode=False ).result
Microsoft Azure ML Service
Azure ML Service 機械学習エンジンを追加するには、以下のコマンドを実行します。
service_type = "azure_machine_learning_service" added_service_provider_result = wos_client.service_providers.add( name=SERVICE_PROVIDER_NAME, description=SERVICE_PROVIDER_DESCRIPTION, service_type = service_type, credentials=AzureCredentials( subscription_id= AZURE_ENGINE_CREDENTIALS['subscription_id'], client_id = AZURE_ENGINE_CREDENTIALS['client_id'], client_secret= AZURE_ENGINE_CREDENTIALS['client_secret'], tenant = AZURE_ENGINE_CREDENTIALS['tenant'] ), background_mode=False ).result
機械学習プロバイダーのリストの生成
すべてのバインディングのリストを表示するには、list
client.service_providers.list()
| uid | 名前 | service_type | 作成済み |
|---|---|---|---|
| e88ms###-####-####-############ | My Azure ML Service engine | azure_machine_learning | 2019-04-04T09:50:33.189Z |
| e88sl###-####-####-############ | My Azure ML Studio engine | azure_machine_learning | 2019-04-04T09:50:33.186Z |
| e00sjl###-####-####-############ | WML instance | watson_machine_learning | 2019-03-04T09:50:33.338Z |
| e43kl###-####-####-############ | My AWS SageMaker engine | sagemaker_machine_learning | 2019-04-04T09:50:33.186Z |
特定の機械学習エンジンについては、以下のトピックを参照してください。
- カスタム機械学習エンジンを追加する。
- Microsoft Azure Machine Learning Studio エンジンを追加する
- Microsoft Azure 機械学習サービス・エンジンを追加する
- Amazon SageMaker 機械学習エンジンの追加
コーディング例については、 Watson OpenScale サンプル・ノートブックを参照してください。
親トピック: Watson OpenScale
トピックは役に立ちましたか?
0/1000