Las secciones siguientes proporcionan información de referencia sobre varias funciones de la API Sensei Machine Learning.
La API Sensei Machine Learning es compatible con los parámetros de consulta al recuperar recursos. En la tabla siguiente se describen los parámetros de consulta disponibles y sus usos:
Parámetro de consulta | Descripción | Valor predeterminado |
---|---|---|
start |
Indica el índice de inicio de la paginación. | start=0 |
limit |
Indica el número máximo de resultados que se van a devolver. | limit=25 |
orderby |
Indica las propiedades que se utilizarán para la ordenación en orden de prioridad. Incluya un guión (-) antes de un nombre de propiedad para ordenarlo en orden descendente; de lo contrario, los resultados se ordenarán en orden ascendente. | orderby=created |
property |
Indica la expresión de comparación que un objeto debe satisfacer para ser devuelto. | property=deleted==false |
Cuando se combinan varios parámetros de consulta, deben separarse con ampersands (&).
Los motores Python tienen la capacidad de elegir entre una CPU o una GPU para sus fines de entrenamiento o puntuación, y se define en una instancia MLI como una especificación de tarea (tasks.specification
).
A continuación se muestra un ejemplo de configuración que especifica el uso de una CPU para formación y una GPU para puntuación:
[
{
"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"
}
}
]
Los valores de cpus
y gpus
no significan el número de CPU o GPU, sino el número de máquinas físicas. Estos valores son permisibles "1"
y arrojarán una excepción en caso contrario.
Los motores de encendido (Spark Engines) tienen la capacidad de modificar los recursos computacionales con fines de entrenamiento y puntuación. Estos recursos se describen en la siguiente tabla:
Recurso | Descripción | Tipo |
---|---|---|
driverMemory | Memoria para el controlador en megabytes | int |
driverCores | Número de núcleos utilizados por el controlador | int |
ejecutorMemory | Memoria para el ejecutor en megabytes | int |
ejecutorCores | Número de núcleos utilizados por el ejecutor | int |
numEjecutors | Número de ejecutores | int |
Los recursos se pueden especificar en una instancia MLI como (A) parámetros individuales de capacitación o puntuación, o (B) dentro de un objeto de especificaciones adicionales (specification
). Por ejemplo, las siguientes configuraciones de recursos son las mismas para la formación y la puntuación:
[
{
"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
}
}
]