以下各節提供以下各項功能的參考資訊: Sensei Machine Learning API。
此 Sensei Machine Learning API支援擷取資產時查詢參數。 下表介紹了可用的查詢參數及其用法:
查詢參數 | 說明 | 預設值 |
---|---|---|
start |
指示分頁的起始索引。 | start=0 |
limit |
指示要返回的最大結果數。 | limit=25 |
orderby |
指示要用於按優先順序排序的屬性。 包含破折號(-)排序,否則結果會依遞增順序排序。 | orderby=created |
property |
指示要返回對象必須滿足的比較表達式。 | property=deleted==false |
結合多個查詢參數時,必須以&符號分隔(&)。
Python引擎能夠在CPU或GPU之間進行選擇,以便進行培訓或進行計分,並在 MLInstance 作為任務規範(tasks.specification
)。
以下示例配置指定使用CPU進行培訓,使用GPU進行計分:
[
{
"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"
}
}
]
的值 cpus
和 gpus
不表示CPU或GPU的數量,而是表示物理機的數量。 這些值可供允許 "1"
否則會引發例外。
Spark引擎能夠修改計算資源以用於培訓和評分。 下表說明這些資源:
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 | 執行器的儲存器(MB) | int |
executorCores | 執行器使用的核心數 | int |
numExecutors | 執行者人數 | int |
可在 MLInstance 例如(A)個別訓練或計分參數,或(B)附加規格對象(specification
)。 例如,下列資源配置在培訓和評分方面都相同:
[
{
"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
}
}
]