LOAD_ONNX_MODEL_CLOUD

このプロシージャにより、ONNX形式の埋込みモデルをOracle Object Storageからデータベースにロードできます。

構文

DBMS_VECTOR.LOAD_ONNX_MODEL_CLOUD (
     model_name        IN  VARCHAR2,
     credential        IN  VARCHAR2,
     uri               IN  VARCHAR2,
     metadata          IN  JSON DEFAULT JSON('{"function" : "embedding", '|| 
                              '"embeddingOutput" : "embedding", "input": {"input":["DATA"]}}')
);

パラメータ

表12-9 LOAD_ONNX_MODEL_CLOUDプロシージャのパラメータ

パラメータ 説明

model_name

[schema_name.]model_nameという形式の、そのモデルのユーザー定義名。これは、そのモデルがOMLにおいて最上位クラスのデータベース・オブジェクトとして持つことになる名前です。スキーマを指定しない場合は、ユーザー独自のスキーマが使用されます。

credential

Oracle Object Storageへのアクセスに使用する資格証明の名前。

uri

ONNXモデルのURI。

uriの値が事前認証済URIの場合は、credential引数をNULLとして渡す必要があります。

metadata

モデルを記述するメタデータのJSONによる記述。このメタデータには、モデルでサポートされている機械学習関数を少なくとも記述する必要があります。モデルのメタデータ・パラメータの詳細は、「ONNXモデルのJSONメタデータ・パラメータ」を参照してください。

例

次の例には、DBMS_VECTOR.LOAD_ONNX_MODEL_CLOUDプロシージャを使用するコード・スニペットが含まれています。 

EXECUTE DBMS_VECTOR.LOAD_ONNX_MODEL_CLOUD(
    model_name => 'database',
    credential => 'MYCRED', 
    uri => 'https://objectstorage.us-phoenix-1.oraclecloud.com/n/namespace-string/b/bucketname/o/all-MiniLM-L6-v2.onnx',
    metadata => JSON('{"function" : "embedding", "embeddingOutput" : "embedding" , "input": {"input": ["DATA"]}}')
);

使用上の注意

  • モデルの名前は、次のような他の機械学習モデルで使用されるものと同じ制限に従います。
    • スキーマ名を指定する場合は、128文字に制限されます。
    • モデル名は123文字に制限されており、引用符なしの識別子のルールに従う必要があります。名前に使用できるのは、英数字、アンダースコア(_)、ドル記号($)およびシャープ記号(#)のみです。最初の文字は、英字にする必要があります。
  • モデル・サイズの上限は2 GBです。

  • Pythonユーティリティによって準備されるモデルの入出力属性には、デフォルトの入力名および出力名があります。これらのモデルは、JSONパラメータなしでロードできます。次に例を示します。 

    EXECUTE DBMS_VECTOR.LOAD_ONNX_MODEL_CLOUD(
    model_name => 'database', 
    credential => 'MYCRED',
    uri => 'https://objectstorage.us-phoenix-1.oraclecloud.com/n/namespace-string/b/bucketname/o/all-MiniLM-L6-v2.onnx'
);
  • 外部イニシャライザありのONNXモデルを使用するには、次のステップを実行します:
    1. Oracle Object Storageバケットを作成します。
    2. OML4Pyを使用してONNXモデルを作成します。
    3. そのモデルをオブジェクト・ストレージ・バケットにアップロードします。そのモデルが単一ファイル・モデルである場合、アップロードする.onnxファイルは1つのみです。そのモデルに外部データがある場合は、.onnxファイル、.jsonメタデータ・ファイルおよび.dataファイルを同じバケットにアップロードします。
    4. 事前認証済リクエスト(PAR)を作成します。外部データの場合、そのPARは、バケット全体に対して、またはアップロードしたファイルすべてと一致する接頭辞に対して有効である必要があります。このステップをスキップし、かわりに資格証明を使用できます。その場合は、次のステップで、.onnxファイルへの完全なURLとともに、有効なcredentialを指定する必要があります。
    5. credentialをNULLに設定し、uriを(そのPARから) .onnxファイルへの完全なURLに設定してLOAD_ONNX_MODEL_CLOUDプロシージャをコールします。

関連項目:

親トピック: DBMS_VECTOR