DokumentationExperience PlatformHandbuch zum Datenwissenschafts-Arbeitsbereich

Sensei Machine Learning-API-Handbuch - Anhang

Last update: Tue Dec 31 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

Erstellt für:

  • Entwickler
NOTE
Data Science Workspace ist nicht mehr erhältlich.
Diese Dokumentation richtet sich an Bestandskunden mit vorherigen Berechtigungen für Data Science Workspace.

Die folgenden Abschnitte enthalten Referenzinformationen zu verschiedenen Funktionen der Sensei Machine Learning-API.

Abfrageparameter für den Asset-Abruf query

Die Sensei Machine Learning-API unterstützt Abfrageparameter beim Abrufen von Assets. Die verfügbaren Abfrageparameter und deren Verwendung werden in der folgenden Tabelle beschrieben:

Abfrageparameter
Beschreibung
Standardwert
start
Gibt den Startindex für die Paginierung an.
start=0
limit
Gibt die maximale Anzahl der zurückzugebenden Ergebnisse an.
limit=25
orderby
Gibt die Eigenschaften an, die für die Sortierung nach Priorität verwendet werden sollen. Fügen Sie vor einem Eigenschaftsnamen einen Bindestrich (-) ein, um in absteigender Reihenfolge zu sortieren. Andernfalls werden die Ergebnisse in aufsteigender Reihenfolge sortiert.
orderby=created
property
Gibt den Vergleichsausdruck an, den ein Objekt erfüllen muss, damit er zurückgegeben wird.
property=deleted==false
NOTE
Wenn mehrere Abfrageparameter kombiniert werden, müssen sie durch kaufmännische Und-Zeichen getrennt werden (&).

Python CPU- und GPU-Konfigurationen cpu-gpu-config

Python-Engines haben die Möglichkeit, für Trainings- oder Scoring-Zwecke entweder zwischen einer CPU oder einer GPU zu wählen, und wird in einer MLInstance als Aufgabenspezifikation (tasks.specification) definiert.

Im Folgenden finden Sie eine Beispielkonfiguration, die die Verwendung einer CPU für das Training und einer GPU für die Bewertung angibt:

[
    {
        "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
Die Werte von cpus und gpus geben nicht die Anzahl der CPUs oder GPUs an, sondern die Anzahl der physischen Computer. Diese Werte sind zulässig "1" und lösen andernfalls eine Ausnahme aus.

PySpark- und Spark-Ressourcenkonfigurationen resource-config

Spark-Engines haben die Möglichkeit, Rechenressourcen für Trainings- und Scoring-Zwecke zu ändern. Diese Ressourcen werden in der folgenden Tabelle beschrieben:

Ressource
Beschreibung
Typ
driverMemory
Speicher für Treiber in Megabyte
int
driverCores
Anzahl der vom Treiber verwendeten Kerne
int
executorMemory
Speicher für Executor in Megabyte
int
executorCores
Anzahl der vom Executor verwendeten Kerne
int
numExecutors
Anzahl der Executors
int

Ressourcen können in einer MLInstance entweder als (A) einzelne Trainings- oder Scoring-Parameter oder (B) in einem zusätzlichen Spezifikationsobjekt (specification) angegeben werden. Beispielsweise sind die folgenden Ressourcenkonfigurationen für Training und Bewertung identisch:

[
    {
        "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