Sensei Machine Learning API指南附錄

以下各節提供Sensei Machine Learning API各種功能的參考資訊。

資產檢索的查詢參數

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`

注意

組合多個查詢參數時，必須以&符號(&)分隔。

Python CPU和GPU配置

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"
        }
    }
]

注意

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。

PySpark和Spark資源配置

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
        }
    }
]