Die folgenden Abschnitte enthalten Referenzinformationen zu verschiedenen Funktionen der Sensei Machine Learning API.
Die Sensei Machine Learning API 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 Namen einer Eigenschaft 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 |
When combining multiple query parameters, they must be separated by ampersands (&).
Python Engines haben die Möglichkeit, entweder eine CPU oder eine GPU zu Trainings- oder Scoring-Zwecken zu wählen und wird auf einer MLInstanz 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"
}
}
]
Die Werte cpus
und gpus
nicht die Anzahl der CPUs oder GPUs, sondern die Anzahl der physischen Maschinen. Diese Werte sind zulässig "1"
und werden andernfalls eine Ausnahme auslösen.
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 MLInstanz entweder als (A) individuelle Trainings- oder Scoring-Parameter oder (B) innerhalb eines zusätzlichen Specification-Objekts (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
}
}
]