- リリース ノート
- はじめる前に
- 基本情報
- プロジェクト
- データセット
- ML パッケージ
- パイプライン
- ML スキル
- ML ログ
- AI Center での Document Understanding
- 使い方
- 基本的なトラブルシューティング ガイド
ML パッケージを管理する
パッケージをアップロードする前に、それらのパッケージがこちらで指定されたとおりに構築されていることを確認してください。
class
、 break
、 from
、 finally
、 global
、 None
などの Python の予約語を含めることはできません。必ず別の名前を設定してください。 パッケージ名は class <pkg-name>
および import <pck-name>
で使用されるため、リストされた例は完全ではありません。
作成済みのパッケージをアップロードするには、以下の手順に従います。
- [ML パッケージ] ページで、[Zip ファイルをアップロード] ボタンをクリックします。[新しいパッケージを作成] ページが表示されます。
- [新しいパッケージを作成] ページで、パッケージの名前を入力します。
- [パッケージをアップロード] をクリックして目的の
.zip
ファイルを選択するか、パッケージの.zip
ファイルを [パッケージをアップロード] フィールドにドラッグ アンド ドロップします。 - (任意) モデルのわかりやすい説明を入力します。
この説明は、このモデルに基づいて新しいスキルをデプロイするときに表示されます。また、[ML パッケージ] ページにも表示されます。
- ドロップダウンから入力の種類を選択します。使用可能なオプションは以下のとおりです。
- json
- file
- files
- (任意) モデルで予期される入力のわかりやすい説明を入力します。
- (任意) モデルが返す出力のわかりやすい説明を入力します。
RPA 開発者は UiPath Studio で ML スキル アクティビティを使用して、これらの説明を表示できます。データ サイエンティストと開発者とのコミュニケーションを促進するために、入力および出力の形式の例を示すことをお勧めします。
- ドロップダウンから、モデルの開発言語を選択します。使用可能なオプションは以下のとおりです。
- Python 3.7
- Python 3.8
- マシン ラーニング モデルが GPU を必要とするかどうかを選択します。既定ではオフになっています。この情報は、このパッケージからスキルを作成する際の提案として表示されます。
- モデルに対してトレーニングを有効化するかどうかを選択します。有効化した場合、以下のようになります。
- すべてのパイプラインでパッケージを使用できます。
- 検証手順で、パッケージに train.py ファイルが実装されているかどうかが確認されます。実装されていない場合、検証は失敗します。
- [作成] をクリックしてパッケージをアップロードするか、[キャンセル] をクリックして処理を中止します。[新しいパッケージを作成] ウィンドウが閉じ、パッケージがアップロードされて、[ML パッケージ] > [ML パッケージ名] ページに詳細とともに表示されます。アップロードが反映されるまでに数分かかる場合があります。
.zip
ファイルをこちらに記載されている要件と照合して検証します。確認されるのは、以下の 3 点です。
- 空でないルート 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 クラスを実装するルート フォルダーに 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。
[ML ログ] ページに、成功または失敗のいずれであったかと、失敗の原因となったエラーが表示されます。
.zip
ファイルをこちらに記載されている要件と照合して検証します。これらのパッケージについては、以下の 2 つのチェックが実行されます。
- 空でないルート フォルダーが存在すること
- Main クラスを実装するルート フォルダーに 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。
[ML ログ] ページに、成功または失敗のいずれであったかと、失敗の原因となったエラーが表示されます。
[ML パッケージ] > [ML パッケージ名] ページに移動するには、リスト内のパッケージをクリックします。
[バージョン] タブで詳細 (パッケージ バージョン、作成日時、変更ログ、ステータス、引数) を確認します。
[パイプライン実行] タブで、パッケージのパイプライン実行に関連する詳細 (パッケージの名前、種類、バージョン、ステータス、作成日時、期間、スコア、その他) を確認します。
AI Center では、パッケージのバージョン管理もサポートしています。パッケージをアップロードすると、そのパッケージはバージョン 1.0 として表示されます (メジャー バージョンは 1 で、マイナー バージョンは 0 です)。これは、ユーザーがアップロードしたパッケージと、パイプラインによって再トレーニングされたパッケージを区別するのに役立ちます。後者では、マイナー バージョンのみが変更されます。
アップロード済みのパッケージの新しいバージョンをアップロードする手順は次のとおりです。
- [ML パッケージ] ページでパッケージの横の ⁝ をクリックし、[新しいバージョンをアップロード] オプションを選択します。
または、[ML パッケージ] > [ML パッケージ名] ページで、[新しいバージョンをアップロード] をクリックします。[次のパッケージの新しいバージョンをアップロード:] > [ML パッケージ名] ウィンドウが表示されます。ほとんどのフィールドには、最初にそのパッケージをアップロードしたときに指定した情報が既に入力されています。
- [パッケージをアップロード] をクリックして目的の
.zip
ファイルを選択するか、ファイルをこのフィールドにドラッグ アンド ドロップします。 - (任意) 以下のフィールドの既存の情報を更新します。
- 入力の説明
- 出力の説明
- 言語
- (任意) [変更ログ]フィールドに変更内容を入力します。
- モデルが GPU を必要とするかどうかを選択します。既定ではオフになっています。
- モデルに対してトレーニングを有効化するかどうかを選択します。
- [作成] をクリックして既存のアップロード済みパッケージの新規バージョンをアップロードするか、[キャンセル] をクリックして処理を中止します。[パッケージをアップロード] ウィンドウが閉じ、パッケージの新規バージョンがアップロードされます。アップロードが反映されるまでに数分かかる場合があります。
パッケージの新規バージョンを [ML パッケージ] ページで直接確認することはできません。情報は、そのパッケージの [ML パッケージの詳細] ページに表示されます。
あるパッケージ バージョンでトレーニング パイプラインまたはフル パイプラインが正常に実行されると、新しいマイナー バージョンが作成されます。たとえば、あるパッケージ (バージョン 1.0) をアップロードしてトレーニング パイプラインを開始すると、完了後に [ML パッケージの詳細] ページにバージョン 1.1 が表示されます (以下を参照)。
パッケージを削除できるのは、パッケージがスキル内にデプロイされておらず、それらのパッケージでパイプラインが現在実行されていない場合のみです。
- [ML パッケージ] ページでパッケージの横の ⁝ をクリックし、[デプロイされていないバージョンを削除] を選択します。確認のウィンドウが表示されます。
- 確認のウィンドウで [OK] をクリックして、選択したパッケージのデプロイされていないバージョンをすべて削除します。パッケージ バージョンがスキルの一部である (アクティブである) 場合は削除されません。すべてのバージョンが非アクティブの場合、それらはすべて削除されます。
OR
- [ML パッケージ] > [ML パッケージ名] ページの [バージョン] タブで、パッケージ バージョンの横の ⁝ をクリックして、[削除] を選択します。確認のウィンドウが表示されます。
- 確認ウィンドウで [OK] をクリックして、選択したバージョンのパッケージを削除します。パッケージ バージョンがスキルの一部である (アクティブである) 場合は削除されません。このバージョンが選択したパッケージの唯一のバージョンである場合は、パッケージ自体も削除されます。