Les sections suivantes contiennent des informations de référence sur les différentes fonctionnalités de Sensei Machine Learning API.
Le Sensei Machine Learning L’API prend en charge les paramètres de requête pour la récupération des ressources. Les paramètres de requête disponibles et leurs utilisations sont décrits dans le tableau suivant :
Paramètre de requête | Description | Valeur par défaut |
---|---|---|
start |
Indique l’index de départ de pagination. | start=0 |
limit |
Indique le nombre de résultats maximum à renvoyer. | limit=25 |
orderby |
Indique les propriétés à utiliser pour trier dans l’ordre de priorité. Incluez un tiret (-) devant un nom de propriété pour trier dans l’ordre décroissant. Dans le cas contraire, les résultats sont triés dans l’ordre croissant. | orderby=created |
property |
Indique l’expression de comparaison qu’un objet doit satisfaire pour être renvoyé. | property=deleted==false |
Lorsque vous combinez plusieurs paramètres de requête, ceux-ci doivent être séparés par des esperluettes (&).
Avec les moteurs Python, vous avez la possibilité de choisir entre un processeur ou un processeur graphique à des fins de formation ou de notation. Ceux-ci sont définis sur une MLInstance en tant que spécification de tâche (tasks.specification
).
L’exemple suivant présente une configuration qui précise l’utilisation d’un processeur à des fins de formation et d’un processeur graphique à des fins de notation :
[
{
"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"
}
}
]
Les valeurs cpus
et gpus
ne représentent pas le nombre de processeurs ou de processeurs graphiques, mais plutôt le nombre de machines physiques. Ces valeurs sont acceptablement "1"
et renverront une exception dans le cas contraire.
Les moteurs Spark permettent de modifier des ressources de calcul à des fins de formation et de notation. Ces ressources sont décrites dans le tableau suivant :
Ressource | Description | Type |
---|---|---|
driverMemory | Mémoire du pilote en mégaoctets | ent |
driverCores | Nombre de noyaux utilisés par le pilote | ent |
executorMemory | Mémoire de l’exécuteur en mégaoctets | ent |
executorCores | Nombre de noyaux utilisés par l’exécuteur | ent |
numExecutors | Nombre d’exécuteurs | ent |
Vous pouvez préciser les ressources dans une MLInstance en tant que soit (A) en paramètres de formation ou de notation uniques, soit (B) au sein d’un objet de spécifications supplémentaire (specification
). Par exemple, les configurations de ressource suivantes sont les mêmes aussi bien pour la formation que la notation :
[
{
"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
}
}
]