パイプライン、学習、結果
パイプラインを計画・実行し、永続状態、チェックポイント復旧、完了結果を扱います。
安全に実行する#
- タスククエリを作成する
検証済みデータセットを選択し、予測対象、タスク種別、重要指標、制約を明確に記述します。
- 固定された実行先を確認する
ML バックエンドを明示的に選ぶのはパイプライン作成時だけです。複製、ファインチューニング、再実行、後続モデルバージョンは該当する元プロファイルを継承するため、現在のユーザーデフォルトを想定せず各モデルバージョンの ml_backend_profile を確認します。
- 生成リソースを確認する
実行前にアーキテクチャ、変換、最適化、損失、指標、学習設定を確認します。
- 一度だけ開始する
タスク実行 API を一度呼びます。queued レスポンスは受付済みであり、再送すべき失敗ではありません。
- 永続状態を追跡する
ターミナル状態まで進捗と結果をポーリングします。WebSocket は任意のライブ通知で、切断中のイベントは再送されません。
- 目的に合う復旧を選ぶ
利用可能ならチェックポイント再開または評価のみの復旧を使用します。最初のモデルバージョンが失敗し、チェックポイントが存在しないと確認された限定ケースでは、REST の再実行または MCP の run_again で同じ v1 を最初から再開できます。fresh_retry.reason=first_version_missing_checkpoint と resume=null を確認してから、その結果として表示します。
- 動作点を区別する
二値分類では、コンパクトな設定指標パネルはデフォルト閾値 0.5 を使用します。検証選択値とテストサンプル最適値は詳細な Result Analysis に残り、閾値非依存指標は別に解釈します。
セグメンテーションアーキテクチャを確認する#
- EoMT DINOv2 Small 640、Base 640、Large 640 はパノプティックセグメンテーション向けです。
- RF-DETR Segmentation Nano、Small、Medium、Large はインスタンスセグメンテーション向けです。
- RTMDet-Ins Tiny、Small、Medium、Large はインスタンスセグメンテーション向けです。
- 自動選択を優先する
必要な処理がセマンティック、インスタンス、パノプティックのどれかを記述し、連携側に検証済みの理由がない限りアーキテクチャを明示指定しません。
- カタログ項目を一覧する
REST の Architecture Knowledge Base または対応する MCP 一覧ツールで、モデルキーと機能情報を確認します。新しいカタログ系列には EoMT DINOv2、RF-DETR Segmentation、RTMDet-Ins の各バリエーションが含まれます。
- タスク別の代替候補を確認する
計画完了後、生成された Architecture リソース ID を使ってタスク別の Architecture Knowledge Base を取得します。related に返るモデルを、そのパイプラインに関連する置き換え候補として扱います。
- 選択した実行環境を確認する
カタログの機能情報、タスク適合性、計画済み Runtime Contract、検証警告、選択中の ML バックエンドでの対応を確認します。カタログ表示だけでは、すべてのバックエンドでモデルを実行できることを証明しません。
- 実行前に固定または置換する
確認後だけ、正確な model_key を使用します。アーキテクチャ置換は Not Started のパイプラインで行い、実行済みの場合はアーキテクチャを変更する前にクローンします。
実行できない場合#
- データセット準備と必須分割を確認します。
- 再送前にキュー状態を確認します。
- 型付き GPU メモリ失敗では、正の推奨バッチサイズを適用してから再試行します。推奨値 0 はバッチサイズ 1 でも大きすぎることを示すため、モデルまたは入力サイズを下げます。任意の診断フィールドは省略される場合があります。
- 構成変更前に失敗詳細と複製診断を確認します。