次の方法で共有


AutoML モデルをオンライン エンドポイントにデプロイする方法

適用対象:Azure CLI ml extension v2 (現行)Python SDK azure-ai-ml v2 (現行)

この記事では、AutoML でトレーニングされた機械学習モデルをオンラインのリアルタイム推論エンドポイントにデプロイする方法について説明します。 自動機械学習 (自動 ML または AutoML とも呼ばれます) は、機械学習モデルを開発する時間のかかる反復的なタスクを自動化するプロセスです。 詳細については、「自動機械学習 (AutoML) とは」を参照してください

次のセクションでは、以下を使用して、AutoML でトレーニングされた機械学習モデルをオンライン エンドポイントにデプロイする方法について説明します。

  • Azure Machine Learning Studio
  • Azure Machine Learning CLI v2
  • Azure Machine Learning Python SDK v2

前提条件

Azure Machine Learning スタジオからのデプロイとコードなし

[自動 ML] ページからの AutoML でトレーニングされたモデルのデプロイは、コードなしの操作です。 つまり、スコアリング スクリプトと環境は、どちらも自動的に生成されるので、用意する必要はありません。

  1. Azure Machine Learning スタジオの [自動 ML] ページに移動します。

  2. 実験を選択して実行します。

  3. [モデル + 子ジョブ] タブを選択します。

  4. デプロイするモデルを選択します。

  5. モデルを選択すると、[デプロイ] ボタンがドロップダウン メニューで使用可能になります。

  6. [リアルタイム エンドポイント] オプションを選択します。

    [デプロイ] ボタンのドロップダウン メニューを示すスクリーンショット。

    システムによって、デプロイに必要なモデルと環境が生成されます。

    値を変更して [デプロイ] を選択できるデプロイ ページを示すスクリーンショット。

スタジオまたはコマンド ラインから手動でデプロイする

デプロイをより細かく制御する必要がある場合は、トレーニング成果物をダウンロードしてデプロイできます。

デプロイに必要なコンポーネントをダウンロードするには:

  1. 自動 ML 実験にアクセスして、Machine Learning ワークスペースで実行します。

  2. [モデル + 子ジョブ] タブを選択します。

  3. 使用するモデルを選択します。 モデルを選択すると、[ダウンロード] ボタンが有効になります。

  4. [ダウンロード] を選択します。

    モデルと [ダウンロード] ボタンの選択を示すスクリーンショット。

次のものを含む zip ファイルを受け取ります。

  • conda_env_<VERSION>.yml という名前の Conda 環境仕様のファイル
  • scoring_file_<VERSION>.py という名前の Python スコアリング ファイル
  • model.pkl という名前の Python .pkl ファイルにあるモデル自体

これらのファイルを使用してデプロイする場合は、スタジオまたは Azure CLI を使用できます。

  1. Azure Machine Learning スタジオの [モデル] ページにアクセスします。
  2. [+ 登録] > [ローカル ファイルから] を選択します。
  3. 自動 ML 実行からダウンロードしたモデルを登録します。
  4. [環境] ページにアクセスし、[カスタム環境] を選択し、[+ 作成] を選択してデプロイ用の環境を作成します。 ダウンロードした Conda yaml を使用してカスタム環境を作成します。
  5. モデルを選択し、[デプロイ] ドロップダウン メニューから [リアルタイム エンドポイント] を選択します。
  6. ウィザードのすべての手順を完了して、オンライン エンドポイントとデプロイを作成します。