Show Menu
ARGOMENTI×

Appendice

Le sezioni seguenti forniscono informazioni di riferimento per le varie funzioni dell' Sensei Machine Learning API.

Parametri di query per il recupero delle risorse

L' Sensei Machine Learning API fornisce il supporto per i parametri di query con il recupero delle risorse. I parametri di query disponibili e i relativi utilizzi sono descritti nella tabella seguente:
Parametro query
Descrizione
Valore predefinito
start
Indica l'indice iniziale per l'impaginazione.
start=0
limit
Indica il numero massimo di risultati da restituire.
limit=25
orderby
Indica le proprietà da utilizzare per l'ordinamento in ordine di priorità. Includete un trattino ( - ) prima che il nome di una proprietà venga ordinato in ordine decrescente, altrimenti i risultati vengono ordinati in ordine crescente.
orderby=created
property
Indica l'espressione di confronto che un oggetto deve soddisfare per essere restituito.
property=deleted==false
Quando si combinano più parametri di query, questi devono essere separati da e-mail ( & ).

Configurazioni CPU e GPU Python

I Motori Python hanno la possibilità di scegliere tra una CPU o una GPU a scopo di formazione o punteggio, ed è definita su un'istanza MLI come specifica di attività ( tasks.specification ).
Esempio di configurazione che specifica l’utilizzo di una CPU per la formazione e di una GPU per il punteggio:
[
    {
        "name": "train",
        "parameters": [
            {
                "key": "training parameter",
                "value": "parameter value"
            }    
        ],
        "specification": {
            "type": "ContainerTaskSpec",
            "cpus": "1"
        }
    },
    {
        "name": "score",
        "parameters": [
            {
                "key": "scoring parameter",
                "value": "parameter value" 
            }
        ],
        "specification": {
            "type": "ContainerTaskSpec",
            "gpus": "1"
        }
    }
]

I valori di cpus e gpus non indicano il numero di CPU o GPU, ma piuttosto il numero di computer fisici. Questi valori sono consentiti "1" e genereranno un'eccezione in caso contrario.

Configurazioni delle risorse PySpark e Spark

I motori Spark sono in grado di modificare le risorse computazionali per scopi di formazione e punteggio. Queste risorse sono descritte nella tabella seguente:
Risorsa
Descrizione
Tipo
driverMemory
Memoria per driver in megabyte
int
driverCores
Numero di core utilizzati dal conducente
int
esecutoreMemory
Memoria per esecutore in megabyte
int
esecutoreCores
Numero di core utilizzati dall'esecutore
int
numExecutor
Numero di esecutori
int
Le risorse possono essere specificate su un'istanza MLI come (A) parametri di formazione individuali o di punteggio, o (B) all'interno di un oggetto di specifiche aggiuntivo ( specification ). Ad esempio, le seguenti configurazioni di risorse sono le stesse sia per la formazione che per il punteggio:
[
    {
        "name": "train",
        "parameters": [
            {
                "key": "driverMemory",
                "value": "2048"
            },
            {
                "key": "driverCores",
                "value": "1"
            },
            {
                "key": "executorMemory",
                "value": "2048"
            },
            {
                "key": "executorCores",
                "value": "2"
            },
            {
                "key": "numExecutors",
                "value": "3"
            }
        ]
    },
    {
        "name": "score",
        "parameters": [
            {
                "key": "scoring parameter",
                "value": "parameter value"
            }
        ],
        "specification": {
            "type": "SparkTaskSpec",
            "name": "Spark Task name",
            "className": "Class name",
            "driverMemoryInMB": 2048,
            "driverCores": 1,
            "executorMemoryInMB": 2048,
            "executorCores": 2,
            "numExecutors": 3
        }
    }
]