すべてのプロダクト
Search

このプロダクト

    Platform For AI:モデルの登録と管理

    ドキュメントセンター

    Platform For AI:モデルの登録と管理

    最終更新日:Aug 29, 2026

    モデル管理では、PAI でトレーニング済みモデルを登録し、バージョンを管理し、推論用に Elastic Algorithm Service (EAS) にデプロイできます。

    前提条件

    モデルトレーニングが完了し、モデルファイルが OSS にアップロードされていること。Designer または DSW でモデルをトレーニングし、エクスポートします。モデルファイルを OSS にアップロードする方法については、「オブジェクトのアップロード」をご参照ください。

    モデルの登録

    新しいモデルを登録するか、既存のモデルにバージョンを追加します。

    1. モデル管理ページに移動します。

      1. PAI コンソールにログインします。

      2. 左側のナビゲーションペインで、ワークスペースの一覧 をクリックし、対象のワークスペース名をクリックしてワークスペースに移動します。

      3. 左側のナビゲーションペインで、AI アセット管理 > モデルを選択します。

    2. モデル ページで、新規モデルの登録 をクリックします。

    3. 新規モデルの登録 パネルで、パラメーターを設定し、OK をクリックします。

      次の 2 つのオプションがあります。

      • [モデルの作成]: トレーニング済みモデルを新しいモデルエントリとして登録します。

      • [バージョンの作成]: 登録済みのモデルに新しいバージョンを追加します。

      主なパラメータ：

      パラメータ

      説明

      [モデル名]

      モデルの作成 が選択されている場合にのみ必要です。

      [モデルの選択]

      バージョンの作成 を選択した場合にのみ必須です。

      登録済みのモデルを選択します。

      [バージョン番号]

      登録するモデルのバージョン番号です。バージョンの作成 が選択されている場合にのみ編集可能です。

      [モデルアドレス]

      次のいずれかの方法でモデルの場所を指定します。

      • モデルファイルが保存されている OSS パスを入力します。

      • image をクリックして、OSS パスを参照して選択します。

        OSS のディレクトリまたはファイルの選択 ダイアログボックスで、既存のモデルファイルを選択するか、ローカルモデルファイルをアップロードします：

        1. (オプション) モデルファイルを新しいディレクトリにアップロードするには、ディレクトリの作成 をクリックして、現在の OSS バケットにディレクトリを作成します。新しいディレクトリをダブルクリックして、そのディレクトリに移動します。

        2. ファイルのアップロード をクリックします。

        3. ローカルファイルの表示 または ファイルをドラッグ & ドロップしてアップロード をクリックし、指示に従ってローカルのモデルファイルをアップロードします。

      [デプロイメント設定]

      次の 2 つのオプションがあります。

      • [構成の自動生成]: モデルフォーマット を設定すると、システムが自動的にデプロイ設定を生成します。

      • [カスタム設定]: テキストフィールドにデプロイ構成を直接入力します。 以下の例と、パラメーターの説明については JSON デプロイ をご参照ください。

        • カスタムイメージでデプロイするモデルの場合：

          カスタムイメージデプロイの例

          {
    "metadata": {
        "name": "",
        "instance": 1,
        "workspace_id": "210382",
        "disk": "30Gi",
        "rpc": {
            "keepalive": 60000
        },
        "accessibility": "public"
    },
    "cloud": {
        "computing": {
            "instances": [
                {
                    "type": "ecs.gn6e-c12g1.12xlarge"
                }
            ]
        }
    },
    "containers": [
        {
            "image": "eas-registry-vpc.cn-hangzhou.cr.aliyuncs.com/pai-eas/python-inference:py3.9-ubuntu2004",
            "script": "python app.py",
            "port": 8000
        }
    ],
    "options": {},
    "storage": [
        {
            "oss": {
                "path": "oss://*******/MODEL/",
                "readOnly": false,
                "role_arn": ""
            },
            "mount_path": "/mnt/data/"
        }
    ]
}

        • 組み込みプロセッサ を使用するモデルの場合：

          組み込みプロセッサデプロイの例

          {
    "metadata": {
        "name": "",
        "instance": 1,
        "workspace_id": "210382",
        "disk": "30Gi",
        "rpc": {
            "keepalive": 60000
        },
        "accessibility": "public"
    },
    "cloud": {
        "computing": {
            "instances": [
                {
                    "type": "ecs.gn6i-c16g1.4xlarge"
                }
            ]
        }
    },
    "options": {},
    "processor": "tensorflow_gpu_2.4",
    "model_config": {},
    "model_path": "oss://******/MODEL/"
}

      [詳細設定]

      詳細設定 を選択して、次のパラメーターを設定します：

      • [モデルバージョンの承認ステータス]

        次の 2 つの承認ステータスがあります。

        • [保留中] (デフォルト)

        • [承認済み]

      • [モデル指標]：モデルメトリクスを設定して、バージョン間のパフォーマンスを比較します。詳細については、「モデルメトリクス」をご参照ください。

    モデルの管理

    モデル管理ページには、アクセス権限のあるすべてのモデルが一覧表示されます。このページから、モデルの詳細を表示したり、モデルを削除したり、モデルを EAS にデプロイしたりできます。

    • 表示 をクリックすると、モデル詳細ページが開き、モデル ID などの情報を表示できます。削除 をクリックすると、不要になったモデルを削除できます。

    • 右上隅の設定アイコンをクリックして、モデルリストに表示する列をカスタマイズします。

    サービスのデプロイ

    登録済みのモデルを EAS にデプロイします。モデル登録時に設定した [Model Service Deployment] は、EAS デプロイページに事前に入力されています。

    1. 左側のナビゲーションペインで、AI アセット管理 > モデル を選択します。 モデルリストページで、操作 列の EAS へのデプロイメント をクリックします。 ページが EAS デプロイページにリダイレクトされます。

      注：モデルギャラリーのモデルについては、デプロイメント をクリックしてモデルをデプロイします。

    2. デプロイページには、Model Service Deployment の主要なパラメータが事前に入力されています。残りの必須パラメータを設定してデプロイします。詳細については、「カスタムデプロイ」をご参照ください。