DocumentazioneExperience PlatformGuida di Data Science Workspace

Appendice alla guida API di apprendimento automatico di Adobe AI

Ultimo aggiornamento: 5 agosto 2024

Creato per:

  • {"id":"ff6a42d2-313e-452e-93a6-792e4fad9ff8"}
NOTE
Data Science Workspace non è più disponibile per l’acquisto.
Questa documentazione è destinata ai clienti esistenti che dispongono di diritti precedenti su Data Science Workspace.

Le sezioni seguenti forniscono informazioni di riferimento per varie funzioni dell’API di apprendimento automatico di Adobe AI.

Parametri di query per il recupero delle risorse query

L’API di apprendimento automatico di Adobe AI fornisce 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:

Parametri 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
NOTE
Quando si combinano più parametri di query, questi devono essere separati da un simbolo di E commerciale (&).

Configurazioni Python CPU e GPU cpu-gpu-config

I motori Python hanno la possibilità di scegliere tra un CPU o una GPU a scopo di formazione o punteggio ed è definito su un MLInstance come specifica di attività (tasks.specification).

Di seguito è riportata una configurazione di esempio che specifica l’utilizzo di un 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"
        }
    }
]
NOTE
I valori di 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 resource-config

I motori Spark hanno la capacità di modificare le risorse computazionali a scopo di formazione e punteggio. Queste risorse sono descritte nella tabella seguente:

Risorsa
Descrizione
Tipo
driverMemory
Memoria per il driver in megabyte
int
driverCore
Numero di core utilizzati dal driver
int
EXECUTORMEMORY
Memoria per l’esecutore in megabyte
int
executorCores
Numero di core utilizzati dall’esecutore
int
numExecutors
Numero di esecutori
int

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
        }
    }
]
recommendation-more-help
experience-platform-help-data-science-workspace