ホーム
製品
Red Hat build of MicroShift
4.19
AI モデルの使用
1.2. Red Hat OpenShift AI Self-Managed を MicroShift で使用するためのワークフロー

1.2. Red Hat OpenShift AI Self-Managed を MicroShift で使用するためのワークフロー

Red Hat OpenShift AI Self-Managed を MicroShift で使用するには、次の一般的なワークフローが必要です。

AI モデルを準備する

エッジアプリケーションと MicroShift デプロイメントサイトで必要な意思決定に最適な人工知能 (AI) モデルを選択します。
クラウドまたはデータセンターで、モデルを開発、トレーニング、テストします。
AI モデルの実行に必要なシステム要件と追加リソースを計画します。

デプロイメント環境のセットアップ

Red Hat Device Edge を、ドライバーやデバイスプラグインを含めて、デプロイメントが実行される特定のハードウェアに合わせて設定します。
MicroShift で GPU またはその他のハードウェアアクセラレーターを有効にするには、使用しているエッジデバイスに特化したガイダンスに従い、必要なソフトウェアをインストールしてください。たとえば、NVIDIA GPU アクセラレーターを使用するには、まずは Running a GPU-Accelerated Workload on Red Hat Device Edge (NVIDIA ドキュメント) を参照してください。
トラブルシューティングは、デバイスのドキュメントまたは製品サポートを参照してください。
ヒント
Operator の代わりにドライバーとデバイスプラグインのみを使用すると、リソース効率が向上する可能性があります。

MicroShift Red Hat OpenShift AI Self-Managed RPM のインストール

microshift-ai-model-serving RPM パッケージをインストールします。
MicroShift の実行中に RPM を追加する場合は、MicroShift を再起動します。

デプロイの準備

AI モデルを OCI イメージ (ModelCar 形式とも呼ばれます) にパッケージ化します。S3 互換ストレージまたは永続ボリューム要求がすでにセットアップされている場合は、この手順をスキップできますが、MicroShift では ModelCar 形式のみがテストされ、サポートされています。
モデルサーバーとして機能するモデルサービングランタイムを選択します。サービングランタイムと推論サービスを使用して、ランタイムを設定します。
- ServingRuntime カスタムリソース (CR) をデフォルトの redhat-ods-applications namespace から独自の namespace にコピーします。
- InferenceService CR を作成します。
オプション: モデルがクラスターの外部に接続できるように、Route オブジェクトを作成します。

モデルの使用

モデルサーバーに対してリクエストを実行します。たとえば、カメラに接続された MicroShift デプロイメントで実行されている別の Pod は、モデルサービングランタイムにイメージをストリーミングすることができます。モデルサービングランタイムは、そのイメージをモデル推論用のデータとして準備します。そのモデルがハチの 2 値分類で学習されている場合、AI モデルはイメージデータがハチである確率を出力します。

詳細情報

試用、購入および販売

コミュニティー

会社概要

Red Hat は、企業がコアとなるデータセンターからネットワークエッジに至るまで、各種プラットフォームや環境全体で作業を簡素化できるように、強化されたソリューションを提供しています。

多様性を受け入れるオープンソースの強化

Red Hat では、コード、ドキュメント、Web プロパティーにおける配慮に欠ける用語の置き換えに取り組んでいます。このような変更は、段階的に実施される予定です。詳細情報: Red Hat ブログ.

Red Hat ドキュメントについて

Red Hat をお使いのお客様が、信頼できるコンテンツが含まれている製品やサービスを活用することで、イノベーションを行い、目標を達成できるようにします。最新の更新を見る.

Theme

© 2026 Red Hat

トップに戻る