- Información general de Data Science Workspace
- Acceso y funciones de Data Science Workspace
- Recorrido por Data Science Workspace
- Portátiles JupyterLab
- API de aprendizaje automático de Sensei
- Aprendizaje automático en tiempo real (Alpha)
- Fórmulas creadas previamente
- Creación de modelos
- Tutoriales de modelo y fórmula
- Creación y publicación de un modelo de aprendizaje automático
- Crear el esquema y el conjunto de datos de ventas minoristas
- Vista previa de esquemas y conjuntos de datos
- Empaquete archivos de origen en una fórmula
- Importar una fórmula empaquetada (IU)
- Importar una fórmula empaquetada (API)
- Capacitar y evaluar un modelo (IU)
- Formación y evaluación de un modelo (API)
- Puntuación de un modelo (IU)
- Puntuación de un modelo (API)
- Optimización de un modelo
- Enriquecer el perfil del cliente en tiempo real con perspectivas de aprendizaje automático
- Publicación de un modelo como servicio (IU)
- Publicación de un modelo como servicio (API)
- Programar la formación automatizada y la puntuación en un servicio (IU)
- Guía de resolución de problemas
- Referencia de API
- Notas de la versión de Platform
Sensei Machine Learning Apéndice de la guía de API
Las siguientes secciones proporcionan información de referencia para diversas funciones de la API Sensei Machine Learning.
Parámetros de consulta para recuperación de recursos
La API Sensei Machine Learning proporciona compatibilidad con parámetros de consulta al recuperar recursos. Los parámetros de consulta disponibles y sus usos se describen en la tabla siguiente:
| 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 van a utilizar para ordenar 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 poder ser devuelto. | property=deleted==false |
Cuando se combinan varios parámetros de consulta, deben separarse con ampersands (&).
Configuraciones de CPU y GPU Python
Los motores Python tienen la capacidad de elegir entre una CPU o una GPU para 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 la formación y una GPU para la 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 generarán una excepción en caso contrario.
Configuraciones de recursos PySpark y Spark
Los motores de chispa tienen la capacidad de modificar los recursos computacionales con fines de capacitación y puntuación. Estos recursos se describen en la siguiente tabla:
| Recurso | Descripción | Tipo |
|---|---|---|
| driverMemory | Memoria para controlador en megabytes | int |
| driverCores | Número de núcleos utilizados por el conductor | int |
| ejecutorMemory | Memoria para 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
}
}
]
Recursos en adobe.com
En esta página
