作業手順

NeoPulse ® AI Studio コマンドラインインターフェイス (CLI) は、深層学習モデルのトレーニングとクエリを管理するために使用されます。深層学習モデルのトレーニングとクエリの一般的なワークフローを図1に示します。NeoPulse ® AI スタジオのいずれか コマンドラインインターフェイス (CLI)または公開 REST APIs を使用して、NeoPulse ®クエリランタイム (NPQR) で使用するために作成した AI モデルのトレーニング、クエリ、クリーンアップ、およびエクスポートを行うことができます。

トレーニングは NeoPulse ® AI Studio を使用して行います。トレーニングワークフローは、4つのパートで構成されています (図1参照)。まず、照会するデータを NAIS または NPQR のいずれかを実行しているマシンに移動し、入力データのみを含む .csv ファイルを作成する必要があります。

第2に、AI モデルの構造を定義するために nml スクリプトを記述します。第三に、この nml スクリプトは NAIS によってコンパイルされ、このデータに基づいてトレーニングされたモデルができあがります。最後に、十分な結果が得られるモデルができたら、これを NPQR インスタンスで使用できるようにエクスポートして、モデルをプロダクションで利用することができます。

Training Workflow
Figure 1: High Level Training Workflow

クエリワークフローは3つの部分で構成されています (図2参照)。まず、照会するデータを NAIS または NPQR のいずれかを実行しているマシンに移動し、入力データのみを含む .csv ファイルを作成する必要があります。次に、クエリジョブがモデルに提出されます。このクエリジョブはキューに登録され、受信した順序で処理されます。クエリが完了すると、結果は .csv ファイルに保存され、インスタンスまたは REST api を使用して取得できます。

注意: NAIS はクエリーに使用できますが、クエリはトレーニングジョブと同じキューに入ります。ですから、これはテスト目的でのみ使用してください。通常NPQR を運用環境でクエリに使用することをお勧めします。

Query Workflow
Figure 3: High Level Query Workflow

ベストプラクティスと利用条件

  1. CSV ファイルは、リファレンスしているデータが同じディレクトリ内にあるかぎり、インスタンス上の任意の場所に置くことができます (トレーニング/クエリデータへの相対パスを含める必要があります)。
  2. トレーニングデータと関係するCSVファイルは、NMLファイルと同じディレクトリにある必要があります。全てのNML内のパスはNMLが置かれているディレクトリ内への相互パスである必要がある。
  3. トレーニング後にプロジェクトを剪定して、パフォーマンスの低いモデルとイテレーションを削除します。

注意: 利用可能なディスク領域に注意を払いましょう。

ルートボリューム上に残っているディスクスペース 足りないとNeoPulse ® AI Studio は(マシンの残りの部分と一緒に)クラッシュします。あなたが訓練しているモデルのための十分なスペースを持っていることを確認してください。NeoPulse ® AI Studio は、データ (エポック) を通過するたびにモデルのコピーを保存するので、どのモデルをエクスポートするかを選択できます。これらのファイルは、モデルのアーキテクチャによって大きくなる場合があります。