Appendice alla guida API Sensei Machine Learning
Creato per:
- Sviluppatore
Le sezioni seguenti forniscono informazioni di riferimento per varie funzionalità dell'API Sensei Machine Learning.
Parametri di query per il recupero delle risorse
L'API Sensei Machine Learning fornisce il supporto per i parametri di query con il recupero delle risorse. Nella tabella seguente sono descritti i parametri di query disponibili e i relativi utilizzi:
Parametro query | Descrizione | Valore predefinito |
---|---|---|
start | Indica l'indice iniziale per la paginazione. | start=0 |
limit | Indica il numero massimo di risultati da restituire. | limit=25 |
orderby | Indica le proprietà da utilizzare per l'ordinamento in ordine di priorità. Includere un trattino (-) prima del nome di una proprietà per l'ordinamento decrescente. In caso contrario, i risultati verranno ordinati in ordine crescente. | orderby=created |
property | Indica l'espressione di confronto che un oggetto deve soddisfare per essere restituito. | property=deleted==false |
Configurazioni CPU e GPU Python
I motori Python hanno la possibilità di scegliere tra una CPU o una GPU per i loro scopi di formazione o punteggio ed è definito su una MLInstance come specifica di attività (tasks.specification
).
Di seguito è riportata una configurazione di esempio che specifica l’utilizzo di una CPU per l’apprendimento e di una GPU per il punteggio:
[
{
"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
e gpus
non indicano il numero di CPU o GPU, ma il numero di macchine fisiche. Questi valori sono consentiti "1"
e in caso contrario genereranno un'eccezione.Configurazioni delle risorse PySpark e Spark
I motori Spark hanno la capacità di modificare le risorse computazionali a scopo di formazione e punteggio. Queste risorse sono descritte nella tabella seguente:
Le risorse possono essere specificate in un MLInstance come (A) singoli parametri di formazione o punteggio oppure (B) all'interno di un oggetto specifiche aggiuntivo (specification
). Ad esempio, le seguenti configurazioni di risorse sono le stesse sia per l’apprendimento che per il punteggio:
[
{
"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
}
}
]