ML ログについて

[ML ログ] ページ (プロジェクトを選択した後に [ML ログ] メニューからアクセス可能) には、プロジェクトに関連するすべてのイベントが集約されて表示されます。

ML パッケージ検証イベント

モデルをアップロードするときに、それをトレーニング可能とマークしていない場合は、アップロードした .zip ファイルが以下の要件を満たしているかどうかが AI Center によって検証されます。

• 名前が zip ファイルと同じで空ではないルート フォルダーが存在すること。
• requirements.txt ファイルが存在すること
• Main クラスを実装する main.py という名前のファイルが存在すること。このクラスは、関数 predict と __init__ を実装するために、さらに詳しく検証されます。

モデルをトレーニング可能とマークしている場合は、アップロードした .zip ファイルが以下の要件を満たしているかどうかが AI Center によって検証されます。

• 名前が zip ファイルと同じで空ではないルート フォルダーが存在すること。
• requirements.txt ファイルが存在すること
• Main クラスを実装する main.py という名前のファイルが存在すること。このクラスは、関数 predict と __init__ を実装するために、さらに詳しく検証されます。
• Main クラスを実装する train.py という名前のファイルが存在すること。このクラスは、__init__ 関数、および train、evaluate、save の各関数を実装するために、さらに詳しく検証されます。
• 任意に train_requirements.txt ファイルを追加できます。追加しなくても検証には適合します。

このカテゴリの ML ログには、検証の開始時刻と完了時刻のほか、検証エラーが発生していれば、そのエラーが記述されます。

パイプライン イベント

開始または失敗したパイプラインがここに表示されます。

ML スキル デプロイ イベント

スキルを作成すると、それが AI Center によってデプロイされます。これに伴い、依存関係のインストール、いくつかのセキュリティ チェックと最適化、テナントの名前空間でのネットワーク設定、対応するパッケージの複製を一定数収めたコンテナーの作成、スキルの健全性の確認が実行されます。

このカテゴリの ML ログには、デプロイの開始時刻と完了時刻のほか、デプロイ エラーが発生していれば、そのエラーが記述されます。

ML スキル予測イベント

ライブ スキルの機能の実行中に予測が失敗した場合、つまり Python コードによって例外がスローされた場合に、それに対応する例外がこのコンポーネントで発生します。