Sensei Machine Learning API指南附录
以下部分提供了的各项功能的参考信息 Sensei Machine Learning API。
用于资源检索的查询参数 query
此 Sensei Machine Learning API为检索资产的查询参数提供支持。 下表描述了可用的查询参数及其用法:
查询参数
描述
默认值
start
指示分页的开始索引。
start=0
limit
指示要返回的最大结果数。
limit=25
orderby
指示用于按优先级排序的属性。 包含短划线(-),属性名称之前将按降序排序,否则结果将按升序排序。
orderby=created
property
指示对象必须满足才能返回的比较表达式。
property=deleted==false
NOTE
组合多个查询参数时,必须使用&符号(和)。
Python CPU和GPU配置 cpu-gpu-config
Python引擎能够在CPU或GPU之间进行选择,用于培训或评分,并且在 MLInstance 作为任务规范(tasks.specification
)。
以下是一个示例配置,它指定使用CPU进行训练,使用GPU进行评分:
[
{
"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
的值
cpus
和 gpus
并不表示CPU或GPU的数量,而是表示物理机的数量。 这些值是允许的 "1"
否则,和将引发异常。PySpark和Spark资源配置 resource-config
Spark引擎能够修改计算资源以进行训练和评分。 下表介绍了这些资源:
资源
描述
类型
driveremory
驱动程序的内存(MB)
int
driverCores
驱动程序使用的内核数
int
executorMemory
执行器的内存(MB)
int
executorCores
执行器使用的内核数
int
numExecuters
执行者数量
int
资源可在 MLInstance 作为(A)单独的训练或评分参数,或(B)在附加规格对象内(specification
)。 例如,以下资源配置对于训练和评分都是相同的:
[
{
"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