Sensei Machine Learning Appendice della guida API

Le sezioni seguenti forniscono informazioni di riferimento per le varie funzioni dell’ API Sensei Machine Learning .

Parametri di query per il recupero delle risorse

L’ API Sensei Machine Learning fornisce il supporto per i parametri di query per il recupero delle risorse. I parametri di query disponibili e i relativi utilizzi sono descritti nella tabella seguente:

Parametro query Descrizione Valore predefinito
start Indica l'indice iniziale per l'impaginazione. start=0
limit Indica il numero massimo di risultati da restituire. limit=25
orderby Indica le proprietà da utilizzare per l'ordinamento in ordine di priorità. Includi un trattino (-) prima che un nome di proprietà venga ordinato in ordine decrescente, altrimenti i risultati vengono ordinati in ordine crescente. orderby=created
property Indica l'espressione di confronto che un oggetto deve soddisfare per poter essere restituito. property=deleted==false
NOTA

Quando si combinano più parametri di query, devono essere separati da e commerciale (&).

Configurazioni CPU e GPU Python

I motori Python possono scegliere tra una CPU o una GPU a scopo di formazione o punteggio ed è definito su una MLInance come specifica di attività (tasks.specification).

Di seguito è riportato un esempio di configurazione che specifica l’utilizzo di una CPU per la formazione e di una GPU per il punteggio:

[
    {
        "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

I valori di cpus e gpus non indicano il numero di CPU o GPU, ma il numero di macchine fisiche. Questi valori sono consentiti "1" e in caso contrario genereranno un'eccezione.

Configurazioni delle risorse PySpark e Spark

I motori Spark possono modificare le risorse computazionali a scopo di formazione e valutazione. Queste risorse sono descritte nella tabella seguente:

Risorsa Descrizione Tipo
driverMemory Memoria del driver in megabyte int
driverCores Numero di core utilizzati dal conducente int
exutorMemory Memoria per esecutore in megabyte int
esecutoreCores Numero di core utilizzati dall'esecutore int
numExecutors Numero di esecutori int

Le risorse possono essere specificate su un ISTANZA MLI come (A) parametri di formazione o valutazione individuali o (B) all'interno di un oggetto di specifiche aggiuntivo (specification). Ad esempio, le seguenti configurazioni di risorse sono le stesse sia per la formazione che per il punteggio:

[
    {
        "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
        }
    }
]

In questa pagina