モデルレジストリ

モデルレジストリでトレーニングからプロダクションまでのモデルライフサイクルを管理する

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:

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()
  1. 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。


Tutorial: W&B を使ったモデル管理

W&B を活用したモデル管理の使い方を学ぶ

モデルレジストリの用語と概念

モデルレジストリの用語と概念

モデルを追跡する

W&B Python SDK を使用して、モデル、モデルの依存関係、およびそのモデルに関連するその他の情報を追跡します。

登録済みモデルを作成する

モデル作成のタスクのために、すべての候補モデルを保持する Registered Model を作成します。

モデルバージョンをリンクする

モデル バージョンを登録されたモデルに、W&B アプリまたは Python SDK を使ってプログラム的にリンクします。

モデルを整理する

モデルリネージ マップを作成する

モデルバージョンをダウンロードする

W&B Python SDK で モデル をダウンロードする方法

機械学習モデルを文書化する

モデル カードに説明を追加して、モデルをドキュメント化する

アラートと通知を作成する

新しいモデルバージョンがモデルレジストリにリンクされた時に Slack 通知を受け取る。

データ ガバナンスとアクセス コントロールを管理する

モデルレジストリのロールベース アクセス制御 (RBAC) を使用して、誰が保護されたエイリアスを更新できるかを制御します。