附录
以下各节提供API各种功能的参考 Sensei Machine Learning 信息。
查询资产检索参数
API Sensei Machine Learning 支持检索资产时的查询参数。 下表介绍了可用查询参数及其用法：
| 查询参数 | 描述 | 默认值 |
|---|---|---|
start |
指示分页的起始索引。 | start=0 |
limit |
指示要返回的结果的最大数。 | limit=25 |
orderby |
指示按优先级顺序排序的属性。 在属性名称前加上短划线(-)以按降序排序，否则，结果将按升序排序。 | orderby=created |
property |
指示要返回对象必须满足的比较表达式。 | property=deleted==false |
注意
组合多个查询参数时，必须用和号(&P)分隔。
Python CPU和GPU配置
Python引擎能够选择CPU或GPU进行培训或评分，并在MLInstance上定 义为 任务规范(tasks.specification)。
以下是一个示例配置，它指定使用CPU进行培训，使用GPU进行评分：
[
{
"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"
}
}
]
注意
和的 cpus 值不 gpus 表示CPU或GPU的数量，而是表示物理机的数量。 这些值是可 "1" 能的，否则将引发异常。
PySpark和Spark资源配置
Spark Engine能够修改计算资源，用于培训和评分。 下表介绍了这些资源：
| 资源 | 描述 | 类型 |
|---|---|---|
| 驱动程序内存 | 驱动程序的内存(MB) | int |
| driverCores | 驱动程序使用的核心数 | int |
| 执行器内存 | 执行器存储器(MB) | int |
| executorCores | 执行器使用的核数 | int |
| numExecutors | 执行者数 | int |
可以在MLI实例上 指定资源 ，作为(A)单个培训或评分参数，或(B)附加规范对象(specification)中。 例如，以下资源配置对于培训和评分都是相同的：
[
{
"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
}
}
]