Sensei Machine Learning API-Handbuch

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

Abfragen-Parameter für den Asset-Abruf

Die API Sensei Machine Learning unterstützt Abfragen beim Abrufen von Assets. Die verfügbaren Parameter für die Abfrage und ihre 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 in der Reihenfolge der Priorität verwendet werden sollen. Fügen Sie vor dem Eigenschaftsnamen einen Bindestrich (-) ein, der in absteigender Reihenfolge sortiert werden soll. Andernfalls werden die Ergebnisse in aufsteigender Reihenfolge sortiert.	`orderby=created`
`property`	Gibt den Vergleichs-Ausdruck an, den ein Objekt erfüllen muss, um zurückgegeben zu werden.	`property=deleted==false`

HINWEIS

Beim Kombinieren mehrerer Abfrage-Parameter müssen diese durch ein kaufmännisches Und (&) getrennt werden.

Python CPU- und GPU-Konfigurationen

Python Engines haben die Möglichkeit, entweder eine CPU oder eine GPU zu Trainings- oder Scoring-Zwecken zu wählen und wird auf einer MLInstance als Aufgabe-Spezifikation (tasks.specification) definiert.

Die folgende Beispielkonfiguration gibt die Verwendung einer CPU für Schulungen und einer GPU für die Bewertung an:

[
    {
        "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"
        }
    }
]

HINWEIS

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

Spark Engines haben die Möglichkeit, zu Schulungs- und Bewertungszwecken Computerressourcen zu ändern. Diese Ressourcen werden in der folgenden Tabelle beschrieben:

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

Ressourcen können auf einer MLInstance entweder als (A) individuelle Schulungs- oder Bewertungsparameter oder (B) als zusätzliches Spezifikationsobjekt (specification) angegeben werden. Beispielsweise sind die folgenden Ressourcenkonfigurationen für Schulung und Bewertung gleich:

[
    {
        "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
        }
    }
]