NHN Cloud > SDK使用ガイド > AI EasyMaker

開発ガイド

AI EasyMaker Python SDKインストール

python -m pip install easymaker

  • AI EasyMakerノートパソコンには基本的にインストールされています。

AI EasyMaker SDK初期化

アプリケーションキー(Appkey)と秘密鍵(Secret key)はコンソール右上のURL & Appkeyメニューで確認できます。 有効にしたAI EasyMaker商品のアプリケーションキー、秘密鍵、リージョン情報を入力します。 AI EasyMaker SDKを使用するには初期化コードが必要です。

import easymaker

easymaker.init(
    appkey='EASYMAKER_APPKEY',
    region='kr1',
    secret_key='EASYMAKER_SECRET_KEY',
)

実験の作成

学習を作成する前に、学習を分類できる実験の作成が必要です。

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
experiment_name String 必須 なし 最大50文字 実験名
experiment_description String 任意 なし 最大255文字 実験の説明
wait Boolean 任意 True True, False True:実験の作成が完了した後に実験IDを返す。False:作成リクエスト後、すぐに実験IDを返す
experiment_id = easymaker.Experiment().create(
    experiment_name='experiment_name',
    experiment_description='experiment_description',
    # wait=False,
)

実験の削除

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
experiment_id String 必須 なし 最大36文字 実験ID
easymaker.Experiment().delete(experiment_id)

学習作成

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
experiment_id String 必須 なし なし 実験ID
training_name String 必須 なし 最大50文字 学習名
training_description String 任意 なし 最大255文字 学習の説明
train_image_name String 必須 なし なし 学習に使用されるイメージ名(CLIで照会可能)
train_instance_name String 必須 なし なし インスタンスタイプ名(CLIで照会可能)
distributed_training_count Integer 必須 なし 1~10 学習に適用する分散学習数
data_storage_size Integer Obejct Storageを使用する場合は必須 なし 300~10000 学習に必要なデータをダウンロードする記憶領域サイズ(単位: GB)、NAS使用時は不要
algorithm_name String NHN Cloud提供アルゴリズムを使用する場合は必須 なし 最大64文字 アルゴリズム名(CLIで照会可能)
source_dir_uri String 独自アルゴリズムを使用する場合は必須 なし 最大255文字 学習に必要なファイルがあるパス(NHN Cloud Object StorageまたはNHN Cloud NAS)
entry_point String 独自アルゴリズムを使用する場合は必須 なし 最大255文字 source_dir_uri内で最初に実行されるPythonファイル情報
model_upload_uri String 必須 なし 最大255文字 学習完了したモデルがアップロードされるパス(NHN Cloud Object StorageまたはNHN Cloud NAS)
check_point_input_uri String 任意 なし 最大255文字 入力チェックポイントファイルパス(NHN Cloud Object StorageまたはNHN Cloud NAS)
check_point_upload_uri String 任意 なし 最大255文字 チェックポイントファイルがアップロードされるパス(NHN Cloud Object StorageまたはNHN Cloud NAS)
timeout_hours Integer 任意 720 1~720 最大学習時間(単位:時間)
hyperparameter_list Array 任意 なし 最大100個 ハイパーパラメータ情報(hyperparameterKey/hyperparameterValueで構成)
hyperparameter_list[0].hyperparameterKey String 任意 なし 最大255文字 ハイパーパラメータキー
hyperparameter_list[0].hyperparameterValue String 任意 なし 最大1000文字 ハイパーパラメータ値
dataset_list Array 任意 なし 最大10個 学習に使用されるデータセット情報(datasetName/dataUriで構成)
dataset_list[0].datasetName String 任意 なし 最大36文字 データ名
dataset_list[0].datasetUri String 任意 なし 最大255文字 データパス
tag_list Array 任意 なし 最大10個 タグ情報
tag_list[0].tagKey String 任意 なし 最大64文字 タグキー
tag_list[0].tagValue String 任意 なし 最大255文字 タグ値
use_log Boolean 任意 False True、False Log & Crash商品にログを残すかどうか
wait Boolean 任意 True True、False True:学習作成が完了した後に学習IDを返す。False:作成リクエスト後すぐに学習IDを返す
training_id = easymaker.Training().run(
    experiment_id=experiment_id,
    training_name='training_name',
    training_description='training_description',
    train_image_name='Ubuntu 18.04 CPU TensorFlow Training',
    train_instance_name='m2.c4m8',
    distributed_training_count=1,
    data_storage_size=300,  # minimum size :300GB
    source_dir_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{soucre_download_path}',
    entry_point='training_start.py',
    hyperparameter_list=[
        {
            "hyperparameterKey":"epochs",
            "hyperparameterValue":"10",
        },
        {
            "hyperparameterKey":"batch-size",
            "hyperparameterValue":"30",
        }
    ],
    timeout_hours=100,
    model_upload_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{model_upload_path}',
    check_point_input_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{checkpoint_input_path}',
    check_point_upload_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{checkpoint_upload_path}',
    dataset_list=[
        {
            "datasetName":"train",
            "dataUri":"obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{train_data_download_path}"
        },
        {
            "datasetName":"test",
            "dataUri":"obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{test_data_download_path}"
        }
    ],
    tag_list=[
        {
            "tagKey":"tag1",
            "tagValue":"test_tag_1",
        },
        {
            "tagKey":"tag2",
            "tagValue":"test_tag_2",
        }
    ],
    use_log=True,
    # wait=False,
)

学習の削除

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
training_id String 必須 なし 最大36文字 学習ID
easymaker.Training().delete(training_id)

ハイパーパラメータチューニング作成

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
experiment_id String 必須 なし なし 実験ID
hyperparameter_tuning_name String 必須 なし 最大50文字 ハイパーパラメータチューニング名
hyperparameter_tuning_description String 任意 なし 最大255文字 ハイパーパラメータチューニングについての説明
image_name String 必須 なし なし ハイパーパラメータチューニングに使用されるイメージ名(CLIで照会可能)
instance_name String 必須 なし なし インスタンスタイプ名(CLIで照会可能)
distributed_training_count Integer 必須 1 distributed_training_countとparallel_trial_countの積が10以下 ハイパーパラメータチューニングで各学習に適用する分散学習数
parallel_trial_count Integer 必須 1 distributed_training_countとparallel_trial_countの積が10以下 ハイパーパラメータチューニングで並列実行する学習数
data_storage_size Integer Obejct Storageを使用する場合は必須 なし 300~10000 ハイパーパラメータチューニングに必要なデータをダウンロードする記憶領域サイズ(単位:GB)、NAS使用時は不要
algorithm_name String NHN Cloud提供アルゴリズムを使用する場合は必須 なし 最大64文字 アルゴリズム名(CLIで照会可能)
source_dir_uri String 独自アルゴリズムを使用する場合は必須 なし 最大255文字 ハイパーパラメータチューニングに必要なファイルがあるパス(NHN Cloud Object StorageまたはNHN Cloud NAS)
entry_point String 独自アルゴリズムを使用する場合は必須 なし 最大255文字 source_dir_uri内で最初に実行されるPythonファイル情報
model_upload_uri String 必須 なし 最大255文字 ハイパーパラメータチューニングで学習完了したモデルがアップロードされるパス(NHN Cloud Object StorageまたはNHN Cloud NAS)
check_point_input_uri String 任意 なし 最大255文字 入力チェックポイントファイルのパス(NHN Cloud Object StorageまたはNHN Cloud NAS)
check_point_upload_uri String 任意 なし 最大255文字 チェックポイントファイルがアップロードされるパス(NHN Cloud Object StorageまたはNHN Cloud NAS)
timeout_hours Integer 任意 720 1~720 最大ハイパーパラメータチューニング時間(単位:時間)
hyperparameter_spec_list Array 任意 なし 最大100個 ハイパーパラメータのスペック情報
hyperparameter_spec_list[0].
hyperparameterName
String 任意 なし 最大255文字 ハイパーパラメータ名
hyperparameter_spec_list[0].
hyperparameterTypeCode
String 任意 なし INT、DOUBLE、DISCRETE、CATEGORICAL ハイパーパラメータタイプ
hyperparameter_spec_list[0].
hyperparameterMinValue
Integer/Double hyperparameterTypeCodeがINT、DOUBLEの場合は必須 なし なし ハイパーパラメータ最小値
hyperparameter_spec_list[0].
hyperparameterMaxValue
Integer/Double hyperparameterTypeCodeがINT、DOUBLEの場合は必須 なし なし ハイパーパラメータ最大値
hyperparameter_spec_list[0].
hyperparameterStep
Integer/Double hyperparameterTypeCodeがINT、DOUBLEでGRID戦略の場合は必須 なし なし "Grid"チューニング戦略を使用する際のハイパーパラメータ値の変化サイズ
hyperparameter_spec_list[0].
hyperparameterSpecifiedValues
String hyperparameterTypeCodeがDISCRETE、CATEGORICALの場合は必須 なし 最大3000文字 決められたハイパーパラメータリスト(,で区切られた文字列や数字)
dataset_list Array 任意 なし 最大10個 ハイパーパラメータチューニングに使用されるデータセット情報(datasetName/dataUriで構成)
dataset_list[0].datasetName String 任意 なし 最大36文字 データ名
dataset_list[0].datasetUri String 任意 なし 最大255文字 データパス
metric_list Array 独自アルゴリズムを使用する場合は必須 なし 最大10個(指標名で構成された文字列リスト) 学習コードが出力するログの中からどの指標を収集するか定義します。
metric_regex String 独自アルゴリズムを使用する場合は任意 ([\w\ -]+)\s=\s([+-]?\d*(.\d+)?([Ee][+-]?\d+)?) 最大255文字
objective_metric_name String 独自アルゴリズムを使用する場合は必須 なし 最大36文字、metric_listの中で1つ どの指標の最適化が目標なのか選択します。
objective_type_code String 独自アルゴリズムを使用する場合は必須 なし MINIMIZE、MAXIMIZE 目標指標最適化タイプを選択します。
objective_goal Double 任意 なし なし 目標指標がこの値に達するとチューニング作業が終了します。
max_failed_trial_count Integer 任意 なし なし 失敗した学習の最大数を定義します。失敗した学習の数がこの値に達するとチューニングが失敗となり終了します。
max_trial_count Integer 任意 なし なし 最大学習数を定義します。自動実行された学習の数がこの値に達するまでチューニングが実行されます。
tuning_strategy_name String 必須 なし なし どの戦略を使用して最適なハイパーパラメータを探すか選択します。
tuning_strategy_random_state Integer 任意 なし なし 乱数作成を決定します。再現可能な結果のために固定された値で指定します。
tag_list Array 任意 なし 最大10個 タグ情報
tag_list[0].tagKey String 任意 なし 最大64文字 タグキー
tag_list[0].tagValue String 任意 なし 最大255文字 タグ値
use_log Boolean 任意 False True、False Log & Crash製品にログを残すかどうか
wait Boolean 任意 True True、False True:ハイパーパラメータチューニングの作成完了後、ハイパーパラメータチューニングIDを返却、False:作成リクエスト後すぐに学習IDを返却
hyperparameter_tuning_id = easymaker.HyperparameterTuning().run(
    experiment_id=experiment_id,
    hyperparameter_tuning_name='hyperparameter_tuning_name',
    hyperparameter_tuning_description='hyperparameter_tuning_description',
    image_name='Ubuntu 18.04 CPU TensorFlow Training',
    instance_name='m2.c8m16',
    distributed_training_count=1,
    parallel_trial_count=1,
    data_storage_size=300,
    source_dir_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{soucre_download_path}',
    entry_point='training_start.py',
    hyperparameter_spec_list=[
        {
            "hyperparameterName": "learning_rate",
            "hyperparameterTypeCode": easymaker.HYPERPARAMETER_TYPE_CODE.DOUBLE,
            "hyperparameterMinValue": "0.01",
            "hyperparameterMaxValue": "0.05",
        },
         {
            "hyperparameterName": "epochs",
            "hyperparameterTypeCode": easymaker.HYPERPARAMETER_TYPE_CODE.INT,
            "hyperparameterMinValue": "100",
            "hyperparameterMaxValue": "1000",
        }
    ],
    timeout_hours=10,
    model_upload_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{model_upload_path}',
    check_point_input_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{checkpoint_input_path}',
    check_point_upload_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{checkpoint_upload_path}',
    dataset_list=[
        {
            "datasetName": "train",
            "dataUri": "obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{train_data_download_path}"
        },
        {
            "datasetName": "test",
            "dataUri": "obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{test_data_download_path}"
        }
    ],
    metric_list=["val_loss", "loss", "accuracy"],
    metric_regex='([\w|-]+)\s*:\s*([+-]?\d*(\.\d+)?([Ee][+-]?\d+)?)',
    objective_metric_name="val_loss",
    objective_type_code=easymaker.OBJECTIVE_TYPE_CODE.MINIMIZE,
    objective_goal=0.01,
    max_failed_trial_count=3,
    max_trial_count=10,
    tuning_strategy_name=easymaker.TUNING_STRATEGY.BAYESIAN_OPTIMIZATION,
    tuning_strategy_random_state=1,
    early_stopping_algorithm=easymaker.EARLY_STOPPING_ALGORITHM.MEDIAN,
    early_stopping_min_trial_count=3,
    early_stopping_start_step=4,
    tag_list=[
        {
            "tagKey": "tag1",
            "tagValue": "test_tag_1",
        }
    ],
    use_log=True,
    # wait=False,
)

ハイパーパラメータチューニングの削除

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
hyperparameter_tuning_id String 必須 なし 最大36文字 ハイパーパラメータチューニングID
easymaker.HyperparameterTuning().delete(hyperparameter_tuning_id)

モデル作成

学習ID値でモデルの作成をリクエストできます。 モデルはエンドポイント作成時に使用されます。

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
training_id String hyperparameter_tuning_idがない場合は必須 なし なし モデルとして作成する学習ID
hyperparameter_tuning_id String training_idがない場合は必須 なし なし モデルとして作成するハイパーパラメータチューニングID(最高学習で作成済み)
model_name String 必須 なし 最大50文字 モデル名
model_description String 選択 なし 最大255文字 モデルの説明
tag_list Array 選択 なし 最大10個 タグ情報
tag_list[0].tagKey String 選択 なし 最大64文字 タグキー
tag_list[0].tagValue String 選択 なし 最大255文字 タグ値
model_id = easymaker.Model().create(
    training_id=training_id,  # or hyperparameter_tuning_id=hyperparameter_tuning_id,
    model_name='model_name',
    model_description='model_description',
)

学習IDがなくても、モデルが保存されたパス情報とフレームワークの種類を入力してモデルを作成できます。

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
framework_code Enum 必須 なし easymaker.TENSORFLOW、 easymaker.PYTORCH 学習に使用されたフレームワーク情報
model_uri String 必須 なし 最大255文字 モデルファイルパス(NHN Cloud Object StorageまたはNHN Cloud NAS)
model_name String 必須 なし 最大50文字 モデル名
model_description String 任意 なし 最大255文字 モデルの説明
tag_list Array 任意 なし 最大10個 タグ情報
tag_list[0].tagKey String 任意 なし 最大64文字 タグキー
tag_list[0].tagValue String 任意 なし 最大255文字 タグ値
model_id = easymaker.Model().create_by_model_uri(
    framework_code=easymaker.TENSORFLOW,
    model_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{model_upload_path}',
    model_name='model_name',
    model_description='model_description',
)

モデル削除

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
model_id String 必須 なし 最大36文字 モデルID
easymaker.Model().delete(model_id)

エンドポイントの作成

エンドポイント作成時に基本ステージが作成されます。

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
endpoint_name String 必須 なし 最大50文字 エンドポイント名
endpoint_description String 任意 なし 最大255文字 エンドポイントの説明
endpoint_instance_name String 必須 なし なし エンドポイントに使用されるインスタンスタイプ名
endpoint_instance_count Integer 任意 1 1~10 エンドポイントに使用されるインスタンス数
endpoint_model_resource_list Array 必須 なし 最大10個 ステージに使用されるリソース情報
endpoint_model_resource_list[0].modelId String 必須 なし なし ステージリソースで作成するモデルID
endpoint_model_resource_list[0].apigwResourceUri String 必須 なし 最大255文字 /で始まるAPI Gatewayリソースパス
endpoint_model_resource_list[0].podCount Integer 必須 なし 1~100 ステージリソースに使用されるPod数
endpoint_model_resource_list[0].description String 任意 なし 最大255文字 ステージリソースの説明
tag_list Array 任意 なし 最大10個 タグ情報
tag_list[0].tagKey String 任意 なし 最大64文字 タグキー
tag_list[0].tagValue String 任意 なし 最大255文字 タグ値
use_log Boolean 任意 False True, False Log & Crash商品にログを残すかどうか
wait Boolean 任意 True True, False True:エンドポイントの作成が完了した後にエンドポイントIDを返す。False:エンドポイントリクエスト後、すぐにエンドポイントIDを返す
endpoint = easymaker.Endpoint()
endpoint_id = endpoint.create(
    endpoint_name='endpoint_name',
    endpoint_description='endpoint_description',
    endpoint_instance_name='c2.c16m16',
    endpoint_instance_count=1,
    endpoint_model_resource_list=[
        {
            'modelId': model_id,
            'apigwResourceUri': '/predict',
            'podCount': 1,
            'description': 'stage_resource_description'
        }
    ],
    use_log=True,
    # wait=False,
)

作成しておいたエンドポイントの使用

endpoint = easymaker.Endpoint()

ステージの追加

既存エンドポイントに新規ステージを追加できます。

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
stage_name String 必須 なし 最大50文字 ステージ名
stage_description String 任意 なし 最大255文字 ステージの説明
endpoint_instance_name String 必須 なし なし エンドポイントに使用されるインスタンスタイプ名
endpoint_instance_count Integer 任意 1 1~10 エンドポイントに使用されるインスタンス数
endpoint_model_resource_list Array 必須 なし 最大10個 ステージに使用されるリソース情報
endpoint_model_resource_list[0].modelId String 必須 なし なし ステージリソースで作成するモデルID
endpoint_model_resource_list[0].apigwResourceUri String 必須 なし 最大255文字 /で始まるAPI Gatewayリソースパス
endpoint_model_resource_list[0].podCount Integer 必須 なし 1~100 ステージリソースに使用されるPod数
endpoint_model_resource_list[0].description String 任意 なし 最大255文字 ステージリソースの説明
tag_list Array 任意 なし 最大10個 タグ情報
tag_list[0].tagKey String 任意 なし 最大64文字 タグキー
tag_list[0].tagValue String 任意 なし 最大255文字 タグ値
use_log Boolean 任意 False True、False Log & Crash商品にログを残すかどうか
wait Boolean 任意 True True, False True:ステージの作成が完了した後にステージIDを返す。False:ステージリクエスト後、すぐにステージIDを返す
stage_id = endpoint.create_stage(
    stage_name='stage01',  # 30文字以内小文字/数字
    stage_description='test endpoint',
    endpoint_instance_name='c2.c16m16',
    endpoint_instance_count=1,
    endpoint_model_resource_list=[
        {
            'modelId': model_id,
            'apigwResourceUri': '/predict',
            'podCount': 1,
            'description': 'stage_resource_description'
        }
    ],
    use_log=True,
    # wait=False,
)

エンドポイントインファレンス

基本ステージにインファレンス

# 基本ステージ情報照会
endpoint_stage_info = endpoint.get_default_endpoint_stage()
print(f'endpoint_stage_info : {endpoint_stage_info}')

# ステージを指定してインファレンスリクエスト
input_data = [6.0, 3.4, 4.5, 1.6]
endpoint.predict(endpoint_stage_info=endpoint_stage_info,
                 model_id=model_id,
                 json={'instances': [input_data]})

特定ステージを指定してインファレンス

# ステージ情報照会
endpoint_stage_info = endpoint.get_endpoint_stage_by_id(endpoint_stage_id=stage_id)
print(f'endpoint_stage_info : {endpoint_stage_info}')

# ステージを指定してインファレンスリクエスト
input_data = [6.0, 3.4, 4.5, 1.6]
endpoint.predict(endpoint_stage_info=endpoint_stage_info,
                 model_id=model_id,
                 json={'instances': [input_data]})

エンドポイントの削除

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
endpoint_id String 必須 なし 最大36文字 エンドポイントID
endpoint.Endpoint().delete_endpoint(endpoint_id)

エンドポイントステージの削除

[Parameter]

名前 タイプ 必須かどうか デフォルト値 有効範囲 説明
stage_id String 必須 なし 最大36文字 ステージID
endpoint.Endpoint().delete_endpoint_stage(stage_id)

NHN Cloud - Log & Crashログ転送機能

easymaker_logger = easymaker.logger(logncrash_appkey='log&crash_product_app_key')
easymaker_logger.send('test log meassage')  # Output to stdout & send log to log&crash product
easymaker_logger.send(log_message='log meassage',
                      log_level='ERROR',  # default:INFO
                      project_version='2.0.0',  # default:1.0.0
                      parameters={'serviceType':'EasyMakerSample'})  # Add custom parameters

NHN Cloud - Object Storageファイル転送機能

Object Storage商品にファイルをアップロードし、ダウンロードする機能を提供します。

easymaker.upload(
    easymaker_obs_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_{tenant_id}/{container_name}/{upload_path}',
    local_path='./local_dir',
    username='userId@nhn.com',
    password='nhn_object_storage_api_password'
)

easymaker.download(
    easymaker_obs_uri='obs://kr1-api-object-storage.nhncloudservice.com/v1/AUTH_00000000000000000000000000000000/SDK/sample/source_dir',
    download_dir_path='./download_dir',
    username='userId@nhn.com',
    password='nhn_object_storage_api_password'
)

CLI Command

アプリケーションキー、秘密鍵、リージョン情報を知っている場合は、コンソールにアクセスせずにPython CLIを介してさまざまな情報を確認できます。

機能 コマンド
Instance typeリスト照会 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -instance
Imageリスト照会 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -image
Algorithmリスト照会 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -algorithm
Experimentリスト照会 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -experiment
Trainingリスト照会 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -training
Hyperparameter tuningリスト照会 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -tuning
Modelリスト照会 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -model
Endpointリスト照会 python -m easymaker --region kr1 --appkey EM_APPKEY --secret_key EM_SECRET_KEY -endpoint
TOP