Sensei Machine Learning Apêndice do guia de API

As seções a seguir fornecem informações de referência para vários recursos do Sensei Machine Learning API.

Parâmetros de consulta para recuperação de ativos

A variável Sensei Machine Learning A API oferece suporte a parâmetros de consulta com a recuperação de ativos. Os parâmetros de query disponíveis e seus usos são descritos na tabela a seguir:

Parâmetro de consulta	Descrição	Valor padrão
`start`	Indica o índice inicial para paginação.	`start=0`
`limit`	Indica o número máximo de resultados a serem retornados.	`limit=25`
`orderby`	Indica as propriedades a serem usadas para classificar em ordem de prioridade. Incluir um traço (-) antes do nome de uma propriedade para classificar em ordem decrescente, caso contrário, os resultados serão classificados em ordem crescente.	`orderby=created`
`property`	Indica a expressão de comparação que um objeto deve satisfazer para ser retornado.	`property=deleted==false`

OBSERVAÇÃO

Ao combinar vários parâmetros de consulta, eles devem ser separados por "E" comercial (&).

Configurações de CPU e GPU Python

Os Mecanismos Python têm a capacidade de escolher entre uma CPU ou uma GPU para fins de treinamento ou pontuação e são definidos em um MLInstance como especificação de tarefa (tasks.specification).

Este é um exemplo de configuração que especifica o uso de uma CPU para treinamento e de uma GPU para pontuação:

[
    {
        "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"
        }
    }
]

OBSERVAÇÃO

Os valores de cpus e gpus não significa o número de CPUs ou GPUs, mas o número de máquinas físicas. Esses valores são permitidos "1" e lançará uma exceção caso contrário.

Configurações de recursos do PySpark e do Spark

Os Spark Engines têm a capacidade de modificar recursos computacionais para fins de treinamento e pontuação. Esses recursos são descritos na tabela a seguir:

Recurso	Descrição	Tipo
driverMemory	Memória do driver em megabytes	int
driverCores	Número de núcleos usados pelo driver	int
executorMemory	Memória do executor em megabytes	int
executorCores	Número de núcleos usados pelo executor	int
numExecutors	Número de executores	int

Os recursos podem ser especificados em um MLInstance como (A) treinamento individual ou parâmetros de pontuação, ou (B) dentro de um objeto de especificações adicionais (specification). Por exemplo, as configurações de recursos a seguir são as mesmas para treinamento e pontuação:

[
    {
        "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
        }
    }
]