Sensei Machine Learning Annexe du guide d’API

Les sections suivantes contiennent des informations de référence sur les différentes fonctionnalités de Sensei Machine Learning API.

Paramètres de requête pour la récupération de ressources

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`

REMARQUE

Lorsque vous combinez plusieurs paramètres de requête, ceux-ci doivent être séparés par des esperluettes (&).

Configurations du processeur et du processeur graphique Python

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"
        }
    }
]

REMARQUE

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.

Configurations des ressources PySpark et Spark

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
        }
    }
]