モデルレジストリ

W&B Model Registry は、チームのトレーニングされたモデルを収納し、MLプラクティショナーがプロダクションに向けた候補を公開し、下流のチームや関係者に消費させることができます。これは、ステージング/候補モデルを収容し、ステージングに関連するワークフローを管理するために使用されます。

W&B Model Registry を使用すると、以下が可能です：

• 機械学習タスクごとにベストなバージョンのモデルをブックマークする。
• 下流のプロセスとモデル CI/CD を オートメーション化する。
• モデルバージョンをステージングからプロダクションまで ML ライフサイクルを通して移行する。
• モデルのリネージを追跡し、プロダクションモデルの変更履歴を監査する。

仕組み

ステージングされたモデルを数ステップで追跡し、管理します。

1. モデルバージョンをログする：トレーニングスクリプトに数行のコードを追加して、モデルファイルをアーティファクトとして W&B に保存します。
2. パフォーマンスを比較する：ライブチャートをチェックして、トレーニングと検証からのメトリクスやサンプル予測を比較します。どのモデルバージョンが最もよくパフォーマンスしたかを特定します。
3. レジストリにリンクする：ベストなモデルバージョンを登録済みモデルにリンクしてブックマークします。これは Python でプログラム的に、または W&B UI でインタラクティブに行うことができます。

以下のコードスニペットは、モデルを Model Registry にログし、リンクする方法を示しています：

import wandb
import random

# 新しい W&B run を開始
run = wandb.init(project="models_quickstart")

# モデルメトリクスをシミュレーションしてログする
run.log({"acc": random.random()})

# シミュレートされたモデルファイルを作成
with open("my_model.h5", "w") as f:
    f.write("Model: " + str(random.random()))

# モデルを Model Registry にログし、リンクする
run.link_model(path="./my_model.h5", registered_model_name="MNIST")

run.finish()

4. モデルの移行を CI/CD ワークフローに接続する：候補モデルをワークフローステージを通して移行し、下流のアクションをオートメーション化することを Webhook を使って行います。

開始方法

ユースケースに応じて、W&B Models を使い始めるための以下のリソースを探ります。

• 2 部構成のビデオシリーズを確認：
  1. モデルのログと登録
  2. モデルの消費と下流プロセスのオートメーション化 in the Model Registry.
• モデルウォークスルーを読み、W&B Python SDK コマンドを使用してデータセットアーティファクトを作成、追跡、および使用する手順を確認します。
• 以下について学ぶ：
  • 保護されたモデルとアクセス制御。
  • CI/CD プロセスにレジストリを接続する方法。
  • 新しいモデルバージョンが登録済みモデルにリンクされたときの Slack 通知を設定。
• Model Registry があなたの ML ワークフローにどのようにフィットし、モデル管理のためにそれを使用することの利点についての この レポートを確認します。
• W&B の Enterprise Model Management コースを受講し、以下を学びます：
  • W&B Model Registry を使って、モデルを管理、バージョン化し、リネージを追跡し、様々なライフサイクルステージを通じてモデルを推進する方法。
  • Webhook を使ってモデル管理ワークフローをオートメーション化する方法。
  • モデル評価、監視、デプロイメントのために Model Registry が外部 ML システムやツールとどのように統合されているかを確認する。