再トレーニングせずにモデルアダプターをアップグレードする

モデルは、モデルアーティファクトとモデルアダプターの組み合わせであることを確認しておきましょう。

• モデルアーティファクト： トレーニング済みモデルが保存されているモデルファイル、パラメーター、重み、コンテナ、または資格情報です。
• モデルアダプター： Foundry がモデルアーティファクトとやり取りし、モデルの読み込み、初期化、推論を行うために必要なロジックと環境の依存関係です。

モデルアーティファクトを変更したり再生成したりせずに、モデルアダプターを更新すると便利な場合があります。たとえば、次のような場合です。

• 保存済みモデルを再トレーニングせずに、モデルアダプターのバグを修正する場合。
• モデルの load、api、predict、または run_inference メソッドを更新する場合。
• Python の依存関係に脆弱性やバグが見つかったため、モデルの Python 環境を更新する場合。

ただし、モデルアダプターを更新すると、モデルの推論環境に破壊的変更が生じる可能性もあります。モデルアダプターを変更する際は、次の点に留意する必要があります。

• 環境内の Python の依存関係への変更は、既存のモデルアーティファクトに対応している必要があります。
• load、api、predict、または run_inference の新しい実装は、既存のアーティファクトに対応している必要があります。
• 更新したモデルアダプターは、元のモデルアダプターと同じ Python モジュール内に、同じクラス名で配置する必要があります。

モデルアダプターを更新する際は十分に注意し、まず新しいブランチで変更をテストすることを強く推奨します。

Models アプリからモデルアダプターをアップグレードする

Foundry では、公開済みのモデルの重みを保持したまま、モデルバージョンのモデルアダプターを最新のコミットまたはタグにアップグレードできます。

モデルアダプターをアップグレードするには、まずモデルアダプタークラスが定義されているリポジトリで、そのクラスへの変更を実装し、公開します。Code Repositories の Model Training テンプレートでは、コミットのたびに変更が公開されます。Model Adapter テンプレートでは、新しいタグが作成された後に変更が公開されます。

次に、モデルアプリケーションで推論設定カードまでスクロールします。Model Adapter をアップグレードをクリックします。

モデルバージョンを作成をクリックすると、更新したモデルアダプターと以前に公開されたモデルアーティファクトを使用する新しいモデルバージョンが作成されます。

以前のモデルバージョンをモデリング目標に送信していた場合、更新したモデルバージョンは自動的には送信されないため、再度送信する必要があります。