Oracle Cloud Infrastructureドキュメント

モデルの編集

一部のデータ・サイエンス・モデル・オプションを編集(更新)できます。

モデルにメタデータを追加した場合は、来歴およびタクソノミを編集できます。入力および出力スキーマは編集できません。

モデル名と説明を編集できます。その他のオプションはすべて変更できません。モデルを変更するには、モデルをノートブック・セッションにロードして変更し、新しいモデルとして保存します。

    1. モデル・ページで、モデルの名前を選択します。モデルのリストの検索に関するヘルプが必要な場合は、モデルのリストを参照してください。

      モデル詳細ページが開きます。

    2. 「編集」を選択します。
    3. (オプション)名前、説明またはバージョン・ラベルを変更します。
    4. (オプション)「モデル来歴」ボックスで、「選択」を選択します。
      1. タクソノミのドキュメントを格納する場所に応じて、「ノートブック・セッション」または「ジョブ実行」を選択します。
      2. 次のいずれかのオプションを使用して、モデルがトレーニングされたノートブック・セッションまたはジョブ実行を検索します:
        プロジェクトの選択:

        選択したコンパートメントで使用するプロジェクトの名前を選択します。

        選択したコンパートメントはプロジェクトとノートブック・セッションまたはジョブ実行の両方に適用され、両方が同じコンパートメントに存在する必要があります。そうでない場合は、かわりにOCID検索を使用します。

        プロジェクトおよびノートブック・セッションまたはジョブ実行の両方のコンパートメントを変更できます。

        選択したコンパートメントで使用するプロジェクトの名前。

        モデルがトレーニングされたノートブック・セッションまたはジョブ実行を選択します。

        OCID検索:

        ノートブック・セッションまたはジョブ実行がプロジェクトとは異なるコンパートメントにある場合は、モデルをトレーニングしたノートブック・セッションまたはジョブ実行OCIDを入力します。

      3. モデルがトレーニングされたノートブック・セッションまたはジョブ実行を選択します。
      4. (オプション)「拡張オプションの表示」を選択して、Gitおよびモデル・トレーニング情報を識別します。

        以下の値を入力または選択します。

        GitリポジトリURL

        リモートGitリポジトリのURL。

        Gitコミット

        GitリポジトリのコミットID。

        Gitブランチ

        ブランチの名前。

        ローカル・モデル・ディレクトリ

        モデル・アーティファクトが一時的に格納されたディレクトリ・パス。これは、ノートブック・セッション内のパスまたはローカル・コンピュータ・ディレクトリなどです。

        モデル・トレーニング・スクリプト

        モデルのトレーニングに使用されたPythonスクリプトまたはノートブック・セッションの名前。

        ヒント

        OCI SDKまたはCLIを使用してモデル・カタログにモデルを保存するときに、モデルの来歴メタデータを移入することもできます。

      5. 「選択」を選択します。
    5. (オプション)「モデル・タクソノミ」ボックスで、「選択」を選択して、モデルの実行内容、機械学習フレームワーク、ハイパーパラメータ、モデルのドキュメント化またはアーティファクトのアップロードのためのカスタム・メタデータの作成を指定します。
      重要

      すべてのモデル・メタデータの最大許容サイズは3200バイトです。サイズは、事前設定モデル・タクソノミとカスタム属性の組合せです。

      1. 「モデル・タクソノミ」セクションで、次のようにプリセット・ラベルを追加します。

        次のように入力または選択します:

        モデル・タクソノミ
        使用例

        使用する機械学習ユース・ケースのタイプ。

        モデル・フレームワーク

        モデルのトレーニングに使用したPythonライブラリ。

        モデル・フレームワーク・バージョン

        機械学習フレームワークのバージョン。これはフリー・テキスト値です。たとえば、値は2.3です。

        モデル・アルゴリズムまたはモデル・エスティメータ・オブジェクト

        使用されるアルゴリズムまたはモデル・インスタンス・クラス。これはフリー・テキスト値です。たとえば、sklearn.ensemble.RandomForestRegressorという値です。

        モデル・ハイパーパラメータ

        JSON形式のモデルのハイパーパラメータ。

        アーティファクト・テスト結果

        クライアント側で実行されるイントロスペクション・テスト結果のJSON出力。これらのテストは、モデル・アーティファクト・ボイラープレート・コードに含まれています。モデルをモデル・カタログに保存する前に、必要に応じて実行できます。

        カスタムのラベルと値の属性ペアの作成
        Label

        カスタム・メタデータのキー・ラベル

        値

        キーに付けられた値

        カテゴリ

        (オプション)メタデータのカテゴリ。次のような様々な選択肢があります:

        • パフォーマンス

        • training profile

        • training and validation datasets

        • training environment

        • その他

        カテゴリを使用して、コンソールに表示するカスタム・メタデータをグループ化およびフィルタできます。これは、追跡するカスタム・メタデータが多い場合に便利です。

        説明

        (オプション)カスタム・メタデータの一意の説明を入力します。

        アーティファクトをアップロードします
        1. For the model in question, for the taxonomy attributes, License, Readme, Deployment Configuration, and FineTune Configuration, or for custom model attributes, select Upload artifact from the Actions menu (three dots).
        2. ファイルを削除するか、ファイルを選択して、アーティファクト・ファイルをアップロードします。
        3. 「アップロード」を選択します。
        アーティファクトのダウンロード
        1. For the model in question, select Download artifact from the Actions menu (three dots).
        アーティファクトの削除
        1. For the model in question, select Delete artifact from the Actions menu (three dots).
        2. Select Delete.
      2. 「選択」を選択します。
    6. (オプション)「拡張オプションの表示」を選択してタグを変更します。
    7. (オプション)「タグ」セクションで、1つ以上のタグをresourceTypeに追加します。リソースを作成する権限を持つ場合、そのリソースにフリーフォーム・タグを適用する権限もあります。定義済タグを適用するには、タグ・ネームスペースを使用する許可が必要です。タグ付けの詳細は、リソース・タグを参照してください。タグを適用するかどうかがわからない場合は、このオプションをスキップするか、管理者に問い合せてください。タグは後で適用できます。
    8. 「Save changes」を選択します。

  • oci data-science model updateコマンドおよび必須パラメータを使用して、モデルを編集(更新)します:

    oci data-science model update --model-id <model-id>... [OPTIONS]

    CLIコマンドのフラグおよび変数オプションの完全なリストは、CLIコマンドライン・リファレンスを参照してください。

  • UpdateModel操作を使用して、モデルを編集(更新)します。