次の方法で共有

トレーニング済みのモデルを読み込む

  • [アーティクル]

重要

Machine Learning Studio (クラシック) のサポートは、2024 年 8 月 31 日に終了します。 その日までに、Azure Machine Learning に切り替えすることをお勧めします。

2021 年 12 月 1 日以降、新しい Machine Learning Studio (クラシック) リソースは作成できません。 2024 年 8 月 31 日まで、既存の Machine Learning Studio (クラシック) リソースを引き続き使用できます。

ML Studio (クラシック) のドキュメントは廃止予定であり、今後更新されない可能性があります。

Web でホストされているトレーニング済みのモデルを読み込む

Category: データの入力と出力

注意

適用対象: Machine Learning Studio (クラシック)のみ

類似のドラッグ アンド ドロップ モジュールは Azure Machine Learning デザイナーで使用できます。

モジュールの概要

この記事では、Machine Learning Studio (クラシック) の [トレーニング済みモデルの読み込み] モジュールを使用して、実験で使用するために既にトレーニング済みのモデルを読み込む方法について説明します。

このモジュールには、既存のトレーニング済みモデルが必要です。 通常は、別の実験でモデルを作成してトレーニングした後、ワークスペースまたはサポートされているいずれかのクラウドストレージオプションにモデルを保存します。

次に、トレーニング済み モデルの読み込み モジュールを使用して、トレーニング済みのモデルを取得し、新しい実験で実行します。

トレーニング済みモデルのロードを使用する方法

既存のモデルを使用して新しいデータの予測を作成するには、次のようにします。

  • モデルのトレーニングが完了している必要があります。
  • モデルには、URL または Azure blob storage のいずれかでアクセスできる必要があります。

このセクションでは、モデルを保存し、保存されたモデルを取得して、保存されたモデルを適用する方法について説明します。

トレーニング済みのモデルを保存する

モデルを保存するには、Studio (クラシック) インターフェイスを使用するか、web サービスとして実行される実験を使用します。

Web サービスを使用してモデルを保存する

  1. モデルを web サービスとしてトレーニングまたは再トレーニングする実験を作成する
  2. その実験を Web サービスとして発行します。
  3. トレーニング web サービスの BE エンドポイントを呼び出すと、Web サービスによって、トレーニング済みのモデルが Il熟練のインターフェイスを使用して保存され、指定した Azure blob ストレージアカウントに保存されます。

トレーニング web サービスを作成する方法の詳細な手順については、次の記事を参照してください。

Studio でモデルを保存する (クラシック)

  1. モデルを構築してトレーニングする実験を実行します。
  2. トレーニングが完了したら、トレーニングに使用したモジュールを右クリックし、[トレーニング済みのモデル] を選択し、[トレーニング済みのモデルとして保存] をクリックします。
  3. 既定では、モデルは Studio (クラシック) ワークスペースに保存されます。 これらは、Studio (クラシック) UI を使用して表示できます。

次のモジュールでは、必要な ilの インターフェイスを使用する保存済みのモデルを作成できます。

注意

任意のモデルはサポートされていません。モデルは、Machine Learning モデルを永続化するために使用される既定のバイナリ形式で保存されている必要があります。

新しい実験にモデルを読み込む

  1. トレーニング済みの モデルの読み込み モジュールを、Studio (クラシック) の実験に追加します。

  2. [ データソース] で、次のいずれかのオプションを使用して、トレーニング済みのモデルの場所を指定します。

    • HTTP 経由の WEB url: 実験と、トレーニング済みのモデルを表すファイルを指す url を指定します。 Machine Learning では、トレーニング済みのモデルは既定でilに保存されます。

    • Azure Blob Storage: このオプションは、トレーニング済みのモデルを Azure Storage にエクスポートした場合にのみ選択します。 次に、アカウント名とアカウントキー、およびコンテナー、ディレクトリ、または blob へのパスを指定する必要があります。

  3. 現在の実験に基づく Request-Response web サービスを作成する場合は、[ rr での使用を許可する] オプションを選択します。 それ以外の場合は、推奨されるバッチ実行サービス (BE) オプションを使用してスコアリングが実行されます。 詳細については、「 テクニカルノート 」を参照してください。

  4. キャッシュが使用可能であり、データが設定されるときに、トレーニング済みのモデルをキャッシュから読み込む場合は、[キャッシュされた 結果を使用 する] オプションを選択します。 実験が Web サービス API としてデプロイされた後、このオプションは無視されます。

例

このモジュールの使用方法の例については、 Cortana Intelligence Galleryを参照してください。

  • トレーニング済みの詳細ラーニングモデルを読み込む: この例では、イメージ検出用のカスタムニューラルネットワークを作成します。 トレーニング済みモデルの読み込みモジュールを使用すると、このモデルをトレーニングしなくても簡単に再利用できます。これには時間がかかることがあります。

    このコレクションには、モデルを作成するためのトレーニング実験と、モデルが web サービスとして読み込まれ、予測に使用される予測実験が含まれています。

テクニカル ノート

このセクションには、実装の詳細、ヒント、よく寄せられる質問への回答が含まれています。

一般的な質問

既定では、RR の使用が有効になっていないのはなぜですか

通常、RR 呼び出しは短時間で結果を返すことが想定されます。 ただし、モジュールは、Azure ストレージアカウントまたはパブリック HTTP エンドポイントでホストされているファイルから、blob の形式でトレーニング済みのモデルを読み込む必要があるため、ファイル操作で予期しない遅延が発生する可能性があります。

そのため、通常は、Web サービスをバッチ実行モード (BE) で実行することをお勧めします。 [... を使用して実行する] オプションを選択した場合は、遅延が発生する可能性があることに注意してください。 実行時間に関する一般的な情報については、「 SLA の Machine Learning」を参照してください。

キャッシュされた結果オプションを使用すると、トレーニング済みのモデルの読み込みが高速になりますか。

はい。ただし、実験が Machine Learning Studio (クラシック) で実行されていて、最初の実行によってキャッシュがいっぱいになった後にのみ実行されます。 実験が web サービスとしてデプロイされた後、このフラグは web サービスの実行では無視されます。

プロセスを自動化する方法はありますか。

PowerShell を使用して、Machine Learning の多くのタスクを簡略化または自動化することができます。 たとえば、実験全体または特定のモジュールの内容をダウンロードしたり、web サービスの定義をエクスポートしたり、web サービス実行 API を呼び出したりすることができます。 詳細については、「 Microsoft Machine Learning の PowerShell モジュール」を参照してください。

モジュールのパラメーター

名前 Range Type Default 説明
RR での使用を許可する True/False Boolean false このモジュールを要求-応答 web サービスで実行できるようにします。予期しない遅延が発生する可能性があります
データ ソース HTTP 経由の Web URL、または Azure Blob Storage T_DataSourceOrSink Azure Blob Storage データソースは、Azure blob ストレージ内の HTTP またはファイルにすることができます (必須)
HTTP 経由の WEB URL:
データソース URL any String HTTP の URL
Azure Blob Storageの場合:
アカウント名 any String アカウント名
アカウント キー any SecureString Microsoft Azure Storage アカウントに関連付けられたキー
コンテナーまたはディレクトリまたは blob へのパス any String BLOB またはテーブル名へのパス

出力

名前 型 説明
トレーニングされたモデル ILearner インターフェイス トレーニングされたモデル

例外

例外 説明
エラー 0003 1 つまたは複数の入力が null または空の場合、例外が発生します。

Studio (クラシック) モジュール固有のエラーの一覧については、「 Machine Learning エラーコード」を参照してください。

API 例外の一覧については、「 Machine Learning REST API のエラーコード」を参照してください。

こちらもご覧ください

データの入力と出力