サポートされる機械学習プロバイダー

資料の英語版に戻る

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

サポートされる機械学習プロバイダー

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「タイル・メニュー・アイコン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メソッドを使えば、モデル評価のために複数の機械学習エンジンを追加することができる。

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 メソッドを実行します。

client.service_providers.list()

表 1. サービス・バインディング
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。

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