以下各節提供Sensei Machine Learning API各種功能的參考資訊。
Sensei Machine Learning API支援擷取資產的查詢參數。 下表介紹了可用查詢參數及其用法:
查詢參數 | 說明 | 預設值 |
---|---|---|
start |
指示分頁的起始索引。 | start=0 |
limit |
指出要傳回的最大結果數。 | limit=25 |
orderby |
指示用於按優先順序順序排序的屬性。 在屬性名稱前加入破折號(-),以降序排序,否則結果會以升序排序。 | orderby=created |
property |
表示要返回對象必須滿足的比較表達式。 | property=deleted==false |
組合多個查詢參數時,必須以&符號(&)分隔。
Python引擎能夠在CPU或GPU之間選擇,以用於其培訓或計分,並且在MLInstance上定義為任務規範(tasks.specification
)。
以下是指定使用CPU進行訓練,使用GPU進行計分的範例設定:
[
{
"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"
}
}
]
cpus
和gpus
的值不表示CPU或GPU的數量,而是表示物理機器的數量。 這些值是可允許的"1"
,否則將引發異常。
Spark Engine能夠修改計算資源,以用於訓練和計分。 下表對這些資源進行了說明:
資源 | 說明 | 類型 |
---|---|---|
driverMemory | 驅動程式的記憶體(MB) | int |
driverCores | 驅動程式使用的內核數 | int |
executorMemory | 執行器的記憶體(MB) | int |
executorCores | 執行器使用的核數 | int |
numExecutors | 執行者人數 | int |
在MLInstance上可以將資源指定為(A)個別培訓或計分參數,或(B)在附加規格對象(specification
)中。 例如,以下資源配置對於培訓和評分都相同:
[
{
"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
}
}
]