Red Hat Summit第1章 モデルレジストリーの概要
モデルレジストリーは現在、Red Hat OpenShift AI 2.16 でテクノロジープレビュー機能として利用できます。テクノロジープレビュー機能は、Red Hat 製品のサービスレベルアグリーメント (SLA) の対象外であり、機能的に完全ではないことがあります。Red Hat では、実稼働環境での使用を推奨していません。テクノロジープレビュー機能は、最新の製品機能をいち早く提供して、開発段階で機能のテストを行い、フィードバックを提供していただくことを目的としています。
Red Hat のテクノロジープレビュー機能のサポート範囲に関する詳細は、テクノロジープレビュー機能のサポート範囲 を参照してください。
モデルレジストリーは、人工知能/機械学習 (AI/ML) モデルのライフサイクルにおける重要なコンポーネントであり、あらゆる機械学習運用 (MLOps) プラットフォームまたは ML ワークフローの重要な部分です。モデルレジストリーは、機械学習モデルの開始からデプロイメントに関連するメタデータを保持する中央リポジトリーとして機能します。このメタデータには、デプロイメント環境やプロジェクトの起源などの概要や、トレーニングハイパーパラメーター、パフォーマンスメトリクス、デプロイメントイベントなどの複雑な詳細が含まれます。モデルレジストリーは、モデルの実験と提供の間の橋渡しとして機能し、ML ライフサイクルの関係者に安全で共同的なメタデータストアインターフェイスを提供します。
モデルレジストリーは、モデルを保存、共有、バージョン管理、デプロイ、追跡するための構造化され整理された方法を提供します。
OpenShift AI でモデルレジストリーを使用するには、OpenShift クラスター管理者がモデルレジストリーコンポーネントを設定する必要があります。詳細は、モデルレジストリーコンポーネントの設定 を参照してください。
モデルレジストリーコンポーネントが設定された後、OpenShift AI 管理者は OpenShift AI でモデルレジストリーを作成し、それらを操作するデータサイエンティストにモデルレジストリーアクセスを許可できます。詳細は、モデルレジストリーの管理 を参照してください。
モデルレジストリーにアクセスできるデータサイエンティストは、モデルレジストリー機能を使用して、モデルを保存、共有、バージョン管理、デプロイ、および追跡できます。詳細は、モデルレジストリーの使用 を参照してください。
