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:Jul 30, 2026

    モデル管理を使用すると、トレーニング済みのモデルを PAI に登録し、バージョン間で管理し、Elastic Algorithm Service (EAS) にデプロイして推論を行うことができます。

    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必要があります。モデルは Designer または DSW でトレーニングおよび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ウィンドウで 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ウィンドウで、AI アセット管理 > モデル の順に選択します。

    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。

      2つのオプションがあります。

      • [モデルの作成]：トレーニング済みの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。

      主なパラメーター：

      パラメーター

      説明

      [モデル名]

      「[モデルの作成]」を選択した場合にのみ必須です。

      [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]」を選択した場合にのみ編集できます。

      [モデルアドレス]

      以下のいずれかの方法でモデルの場所を指定します。

      • モデルファイルが格納されている OSS パスを入力します。

      • image をクリックして OSS パスを参照し、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、ローカルのモデルファイルをアップロードします。

        1. （任意）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、プロンプト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]

      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、システムがデプロイ設定を自動的に生成します。

      • [カスタム設定]：テキストフィールドにデプロイ設定を直接入力します。以下の例を参照し、パラメーターの説明については「JSON デプロイメント」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メントの例

          {
    "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メントの例

          {
    "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、以下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]

        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、アクセス可能なすべてのモデルが一覧表示されます。このページから、モデル詳細の表示、モデルの削除、または EAS へのモデルのデプロイを行うことができます。

    • 表示 をクリックしてモデル詳細ページを開き、モデルIDなどの情報を表示します。不要になったモデルを削除するには、削除 をクリックします。

    • 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された推論仕様は、EAS のデプロイページに事前入力されます。

    1. 左側のナビゲーションウィンドウで、[AI Computing Asset Management] > [Models] を選択します。モデルリストページで、操作 列にある EAS へのデプロイメント をクリックします。ページが EAS の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、推論仕様の主要なパラメーターが事前入力されています。残りの必須パラメーターを設定してデプロイします。詳細については、「カスタムデプロイメント」をご参照ください。