ML パッケージを管理する

ML パッケージをアップロードする

重要:

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。

AI Center で ML パッケージを作成する際、パッケージ名に 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。

1. [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。
2. [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。
3. [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。
4. (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。

5. 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
6. (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。
7. (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。

8. 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
9. 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。
10. 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。
      
11. [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 ファイルをアップロードする

重要: 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。

AI Center™ で ML パッケージを作成する際、パッケージ名に 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。必ず別の名前を選択してください。なお、パッケージ名は class <pkg-name> および import <pck-name> で使用されるため、前述の予約語は一例であり他の予約語も存在します。

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。

1. [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。
2. [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。
3. [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。
4. 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。
5. 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
6. 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。
7. 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。
8. 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
   • Python 3.8 OpenCV
9. 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。
10. 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。
      
11. [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。
    
    

    

    
    

ML パッケージをインポートする

UiPath AI Center™ からエクスポートされた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。

1. [ML パッケージ] ページで、[ML パッケージをインポート] ボタンをクリックします。[新しいパッケージをインポート] ページが表示されます。
2. 「ML パッケージをダウンロードする」の手順を使用してダウンロードした zip ファイルを、[パッケージをアップロード] フィールドに追加します。
3. 上記の手順を使用してダウンロードした json ファイルを、[メタデータ json をアップロード] フィールドに追加します。
4. [作成] をクリックします。
   
   

   

   
   

• プライベート パッケージ
  • インポートされたパッケージの名前は、メタデータ ファイルから取得され、エクスポート環境と同じになります。同じ名前のパッケージが既に存在する場合、次にメタデータの version フィールドがチェックされます。バージョンが同じ場合は、新たなマイナー バージョンが作成されます。たとえば、名前が New Package でバージョンが 7 のパッケージをインポートする際、同じ名前でバージョンが 7.3 のパッケージが既に存在する場合、新たにインポートしたパッケージのバージョンは 7.4 になります。バージョンがない場合、作成されたパッケージのバージョンは、次に使用可能なメジャー バージョンになります。
  • インポートされたパッケージ メタデータの名前がターゲット環境に存在しない場合、ターゲット環境で新しいパッケージ名が作成されます。
• パブリック パッケージ:
  • インポートされたパッケージの名前は、メタデータ ファイルから取得され、エクスポート環境と同じになります。同じ名前のパッケージが既に存在する場合、次にメタデータの sourcePackageVersion フィールドがターゲット環境の sourcePackageVersion に対してチェックされます。その後、次のマイナー バージョンがアップロードされます。ターゲット環境のバージョンを変更するか、メタデータ ファイルの sourcePackageVersion フィールドをターゲット環境で使用可能なバージョンに変更します。
  • インポートされたパッケージ メタデータの名前がターゲット環境に存在しない場合、ターゲット環境で新しいパッケージ名が作成されます。

注: 現時点では、異なる環境からパッケージをインポートする場合、いくつかの制限があります。

• プライベート パッケージの場合、インポートしたパッケージのメジャー バージョンが既存のものと異なる場合、エラーが表示されます。

パッケージの検証

サービング用

[トレーニングを有効化] フラグが非アクティブな状態でアップロードされたモデルの場合、モデルをアップロードすると、AI Center では、アップロードされた .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。

1. 空でないルート フォルダーが存在すること
2. requirements.txt ファイルが存在すること
3. 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。

トレーニング用

[トレーニングを有効化] フラグがアクティブな状態でアップロードされたモデルの場合、AI Center では、上記のように要件を検証するほかに、アップロードされた .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。

1. 空でないルート フォルダーが存在すること
2. 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 パッケージの詳細を表示する

[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。

バージョン管理

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。

ML パッケージの新しいバージョンをアップロードする

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。

1. [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。

2. [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。
3. (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
4. (任意) [変更ログ]フィールドに変更内容を入力します。
5. 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。
6. 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。
7. [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。

注: 既存のパッケージに新しいバージョンをアップロードすると、新しいメジャー バージョンが作成されます。たとえば、最初のパッケージをアップロードした場合、そのバージョンは 1.0 となります。その後新しいバージョンをアップロードすると、そのバージョンは 2.0 になります。

トレーニング パイプラインによって作成された ML パッケージのバージョン

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)。

パッケージの引数を表示する

[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 :fa-info-circle: をクリックします。[[バージョン番号] の引数] > [ML パッケージ名] > [ML パッケージ バージョン] ウィンドウが表示されます。

選択したパッケージ バージョンの入力の種類と、入力および出力の説明が表示されます。値は編集できないことに注意してください。

ML パッケージをダウンロードする

作成済みのパッケージをエクスポートして、別の環境または同じ環境にインポートできます。

作成済みのパッケージをダウンロードするには、以下の手順に従います。

1. [ML パッケージ] ページで、既に作成されたパッケージをリストから選択します。
   
   

   

   
   
2. [バージョン] タブで、パッケージの ⁝ アイコンをクリックします。
3. [ダウンロード] をクリックします。
   
   

   

   
   

[ダウンロード] をクリックすると、次の 2 つのファイルがダウンロードされます。

• パッケージを含む zip ファイル
• 名前、バージョン、その他の情報など、パッケージのメタデータを含む json ファイル

ML パッケージを削除する

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。

1. [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。
2. 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

1. [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。
2. 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。