Sensei Machine Learning API指南附录

以下各节提供了Sensei Machine Learning API的各种功能的参考信息。

查询资产检索参数

Sensei Machine Learning API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 指示要返回的最大结果数。 limit=25
orderby 指示按优先级顺序进行排序的属性。 在属性名称前加入虚线(-)以按降序排序，否则结果按升序排序。 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&符号(&)分隔。

Python CPU和GPU配置

Python引擎能够在CPU或GPU之间进行选择以用于其培训或评分，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

cpus和gpus的值不表示CPU或GPU的数量，而表示物理计算机的数量。 这些值可以"1"使用，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
driverMemory 驱动程序的内存(MB) int
driverCores 驱动程序使用的核数 int
executorMemory 执行器的存储器(MB) int
executorCores 执行器使用的核数 int
numExecutors 执行者数 int

可以在MLInstance上指定资源，作为(A)单个培训或评分参数，或(B)其他规范对象(specification)中的资源。 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
        }
    }
]

在此页面上