Sensei Machine Learning Apéndice de guía de API

Las secciones siguientes proporcionan información de referencia sobre diversas funciones de Sensei Machine Learning API.

Parámetros de consulta para recuperación de recursos

El Sensei Machine Learning La API proporciona compatibilidad con parámetros de consulta para 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 van a utilizar para ordenar en orden de prioridad. Incluya un guión (-) antes del nombre de una propiedad para ordenar en orden descendente; de lo contrario, los resultados se ordenan en orden ascendente.	`orderby=created`
`property`	Indica la expresión de comparación que un objeto debe satisfacer para ser devuelto.	`property=deleted==false`

NOTA

Al combinar varios parámetros de consulta, deben separarse con el símbolo et (&).

Configuraciones de CPU y GPU en Python

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 MLInstance como especificación de tarea (tasks.specification).

A continuación se muestra un ejemplo de configuración que especifica el uso de una CPU para el aprendizaje 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"
        }
    }
]

NOTA

Los valores de cpus y gpus no significa el número de CPU o GPU, sino el número de máquinas físicas. Estos valores están permitidos "1" y generará una excepción en caso contrario.

Configuraciones de recursos de PySpark y Spark

Los motores Spark 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 controlador en megabytes	int
driverCores	Número de núcleos utilizados por el controlador	int
executeMemory	Memoria para ejecutor en megabytes	int
executeCores	Número de núcleos utilizados por el ejecutor	int
numExecutors	Número de ejecutores	int

Los recursos se pueden especificar en un MLInstance como (A) parámetros de entrenamiento o puntuación individuales, o (B) dentro de un objeto de especificaciones adicional (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
        }
    }
]