Sensei Machine Learning Apêndice do guia de API

As seções a seguir fornecem informações de referência para vários recursos do Sensei Machine Learning API.

Parâmetros de consulta para recuperação de ativos query

A variável Sensei Machine Learning A API oferece suporte a parâmetros de consulta com a recuperação de ativos. Os parâmetros de query disponíveis e seus usos são descritos na tabela a seguir:

Parâmetro de consulta
Descrição
Valor padrão
start
Indica o índice inicial para paginação.
start=0
limit
Indica o número máximo de resultados a serem retornados.
limit=25
orderby
Indica as propriedades a serem usadas para classificar em ordem de prioridade. Incluir um traço (-) antes do nome de uma propriedade para classificar em ordem decrescente, caso contrário, os resultados serão classificados em ordem crescente.
orderby=created
property
Indica a expressão de comparação que um objeto deve satisfazer para ser retornado.
property=deleted==false
NOTE
Ao combinar vários parâmetros de consulta, eles devem ser separados por "E" comercial (&).

Configurações de CPU e GPU Python cpu-gpu-config

Os Mecanismos Python têm a capacidade de escolher entre uma CPU ou uma GPU para fins de treinamento ou pontuação e são definidos em um MLInstance como especificação de tarefa (tasks.specification).

Este é um exemplo de configuração que especifica o uso de uma CPU para treinamento e de uma GPU para pontuação:

[
    {
        "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"
        }
    }
]
NOTE
Os valores de cpus e gpus não significa o número de CPUs ou GPUs, mas o número de máquinas físicas. Esses valores são permitidos "1" e lançará uma exceção caso contrário.

Configurações de recursos do PySpark e do Spark resource-config

Os Spark Engines têm a capacidade de modificar recursos computacionais para fins de treinamento e pontuação. Esses recursos são descritos na tabela a seguir:

Recurso
Descrição
Tipo
driverMemory
Memória do driver em megabytes
int
driverCores
Número de núcleos usados pelo driver
int
executorMemory
Memória do executor em megabytes
int
executorCores
Número de núcleos usados pelo executor
int
numExecutors
Número de executores
int

Os recursos podem ser especificados em um MLInstance como (A) treinamento individual ou parâmetros de pontuação, ou (B) dentro de um objeto de especificações adicionais (specification). Por exemplo, as configurações de recursos a seguir são as mesmas para treinamento e pontuação:

[
    {
        "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
        }
    }
]
recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9