DokumentationExperience PlatformAnvändarhandbok om Data Science Workspace

API-guide för Sensei Machine Learning

Last update: Tue Jul 16 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

Skapat för:

  • Utvecklare

I följande avsnitt finns referensinformation för olika funktioner i API:t Sensei Machine Learning.

Frågeparametrar för hämtning av resurser query

API:t Sensei Machine Learning har stöd för frågeparametrar när resurser hämtas. Tillgängliga frågeparametrar och deras användning beskrivs i följande tabell:

Frågeparameter
Beskrivning
Standardvärde
start
Anger startindex för sidnumrering.
start=0
limit
Anger det maximala antalet resultat som ska returneras.
limit=25
orderby
Anger de egenskaper som ska användas för sortering i prioritetsordning. Inkludera ett bindestreck (-) före ett egenskapsnamn som ska sorteras i fallande ordning, annars sorteras resultaten i stigande ordning.
orderby=created
property
Anger det jämförelseuttryck som ett objekt måste uppfylla för att kunna returneras.
property=deleted==false
NOTE
När flera frågeparametrar kombineras måste de avgränsas med et-tecken (&).

Python CPU- och GPU-konfigurationer cpu-gpu-config

Python Engines kan välja mellan en CPU eller en GPU för sin utbildning eller poängsättning och definieras på en MLInstance som en aktivitetsspecifikation (tasks.specification).

Följande är ett exempel på konfiguration som anger hur du använder en CPU för utbildning och en GPU för bedömning:

[
    {
        "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
Värdena för cpus och gpus anger inte antalet CPU:er eller GPU:er, utan antalet fysiska datorer. Dessa värden är tillåtna "1" och kommer i annat fall att generera ett undantag.

Resurskonfigurationer för PySpark och Spark resource-config

Spark Engines har möjlighet att modifiera beräkningsresurser för utbildning och poängsättning. Dessa resurser beskrivs i följande tabell:

Resurs
Beskrivning
Typ
driverMemory
Minne för drivrutin i MB
int
driverCores
Antal kärnor som används av drivrutinen
int
exutorMemory
Minne för körare i MB
int
exutorCores
Antal kärnor som används av köraren
int
numExecutors
Antal körare
int

Resurser kan anges på en MLInstance som antingen (A) enskilda utbildnings- eller poängparametrar, eller (B) inom ett ytterligare specifikationsobjekt (specification). Följande resurskonfigurationer är till exempel desamma för både utbildning och poängsättning:

[
    {
        "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
cc79fe26-64da-411e-a6b9-5b650f53e4e9