Show Menu
主題×

附錄

以下各節提供API各種功能的參考 Sensei Machine Learning 資訊。

用於資產檢索的查詢參數

API Sensei Machine Learning 支援擷取資產時的查詢參數。 下表介紹了可用查詢參數及其用法:
查詢參數
說明
預設值
start
指示分頁的起始索引。
start=0
limit
指出要傳回的最大結果數。
limit=25
orderby
指示用於按優先順序順序排序的屬性。 在屬性名稱前加入破折號( - ),以遞減順序排序,否則結果會依遞增順序排序。
orderby=created
property
表示要返回對象必須滿足的比較表達式。
property=deleted==false
組合多個查詢參數時,必須以&符號分隔( & )。

Python CPU和GPU組態

Python引擎能夠在CPU或GPU之間選擇,以用於訓練或計分,並在 MLInstance 上定義為任務規格( tasks.specification )。
以下是指定使用CPU進行訓練,使用GPU進行計分的範例設定:
[
    {
        "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"
        }
    }
]

和的值 cpus 不表 gpus 示CPU或GPU的數量,而是表示物理電腦的數量。 這些值是可允許 "1" 的,否則會引發例外。

PySpark和Spark資源配置

Spark Engine能夠修改計算資源,以用於訓練和計分。 下表對這些資源進行了說明:
資源
說明
類型
driverMemory
驅動程式的記憶體(MB)
int
driverCores
驅動程式使用的內核數
int
executorMemory
執行器的記憶體(MB)
int
executorCores
執行器使用的核數
int
numExecutors
執行者人數
int
MLInstance上可以指定資源 ,作為(A)個別培訓或計分參數,或(B)在附加規格對象( specification )。 例如,以下資源配置對於培訓和評分都相同:
[
    {
        "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
        }
    }
]