ai-center
2022.4
true
- 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
- ML ログについて
- AI Center での Document Understanding
- ライセンス
- 使い方
- 基本的なトラブルシューティング ガイド
重要 :
このコンテンツの一部は機械翻訳によって処理されており、完全な翻訳を保証するものではありません。
AI Center ガイド
Last updated 2024年6月6日
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。
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。
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。