Transformation du modèle à l'aide dumodeltransformcommande - Amazon Neptune

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Transformation du modèle à l'aide dumodeltransformcommande

Vous utilisez le Neptune MLmodeltransformpour créer une tâche de transformation de modèle, vérifier son état, l'arrêter ou répertorier toutes les tâches de transformation de modèle actives.

Création d'une tâche de transformation de modèle à l'aide du Neptune MLmodeltransformcommande

Une entreprise Neptune MLmodeltransformpour créer une tâche de transformation incrémentielle, sans recyclage de modèle, ressemble à ceci :

curl \ -X POST https://(your Neptune endpoint)/ml/modeltransform -H 'Content-Type: application/json' \ -d '{ "id" : "(a unique model-transform job ID)", "dataProcessingJobId" : "(the job-id of a completed data-processing job)", "mlModelTrainingJobId" : "(the job-id of a completed model-training job)", "modelTransformOutputS3Location" : "s3://(your Amazon S3 bucket)/neptune-model-transform" }'

Une entreprise Neptune MLmodeltransformpour créer une tâche à partir d'une tâche de formation SageMaker terminée ressemble à ceci :

curl \ -X POST https://(your Neptune endpoint)/ml/modeltransform -H 'Content-Type: application/json' \ -d '{ "id" : "(a unique model-transform job ID)", "trainingJobName" : "(name of a completed SageMaker training job)", "modelTransformOutputS3Location" : "s3://(your Amazon S3 bucket)/neptune-model-transform", "baseProcessingInstanceType" : "" }'

Une entreprise Neptune MLmodeltransformpour créer une tâche qui utilise une implémentation de modèle personnalisé ressemble à :

curl \ -X POST https://(your Neptune endpoint)/ml/modeltransform -H 'Content-Type: application/json' \ -d '{ "id" : "(a unique model-training job ID)", "trainingJobName" : "(name of a completed SageMaker training job)", "modelTransformOutputS3Location" : "s3://(your Amazon S3 bucket)/neptune-model-transform/" "customModelTransformParameters" : { "sourceS3DirectoryPath": "s3://(your Amazon S3 bucket)/(path to your Python module)", "transformEntryPointScript": "(your transform script entry-point name in the Python module)" } }'

Paramètres pourmodeltransformcréation d'emplois

  • id— (Facultatif) Identifiant unique pour la nouvelle tâche.

    Type: string Par défaut : UUID généré automatiquement.

  • dataProcessingJobId— ID de tâche d'une tâche de traitement de données terminée.

    Type: string

    Remarque : Vous devez inclure soit les deuxdataProcessingJobIdetmlModelTrainingJobId, outrainingJobName.

  • mlModelTrainingJobId— Identifiant de travail d'une tâche de formation à modèle terminée.

    Type: string

    Remarque : Vous devez inclure soit les deuxdataProcessingJobIdetmlModelTrainingJobId, outrainingJobName.

  • trainingJobName— Le nom d'un poste de formation SageMaker terminé.

    Type: string

    Remarque : Vous devez inclure soit soit les deuxdataProcessingJobIdet l'mlModelTrainingJobIdou le paramètretrainingJobName  Paramètre .

  • sagemakerIamRoleArn— (Facultatif) ARN d'un rôle IAM pour l'exécution de SageMaker.

    Type: string Remarque : Cela doit être répertorié dans le groupe de paramètres de votre cluster de bases de données, sinon une erreur se produira.

  • neptuneIamRoleArn— (Facultatif) ARN d'un rôle IAM qui fournit à Neptune un accès aux ressources SageMaker et Amazon S3.

    Type: string Remarque : Cela doit être répertorié dans le groupe de paramètres de votre cluster de bases de données, sinon une erreur se produira.

  • customModelTransformParameters — (Facultatif) Informations de configuration d'une transformation de modèle à l'aide d'un modèle personnalisé. LecustomModelTransformParameterscontient les champs suivants, dont les valeurs doivent être compatibles avec les paramètres de modèle enregistrés de la tâche de formation :

    • sourceS3DirectoryPath— (Obligatoire) Chemin d'accès vers l'emplacement Amazon S3 où se trouve le module Python implémentant votre modèle. Cela doit pointer vers un emplacement Amazon S3 existant valide qui contient, au minimum, un script de formation, un script de transformation et unmodel-hpo-configuration.jsondans le fichier.

    • transformEntryPointScript— (Facultatif) Le nom du point d'entrée dans votre module d'un script qui doit être exécuté après l'identification du meilleur modèle de la recherche d'hyperparamètres, afin de calculer les artefacts de modèle nécessaires au déploiement du modèle. Il devrait pouvoir être exécuté sans argument de ligne de commande.

      Par défaut :transform.py.

  • baseProcessingInstanceType— (Facultatif) Type d'instance ML utilisé dans la préparation et la gestion de la formation des modèles ML.

    Type: string Remarque : Il s'agit d'une instance CPU choisie en fonction des besoins en mémoire nécessaires au traitement des données et du modèle de transformation. Consulter Sélection d'une instance pour la formation et la transformation du modèle.

  • baseProcessingInstanceVolumeSizeInGB— (Facultatif) La taille du volume de disque de l'instance de formation. Les données en entrée et le modèle de sortie sont stockés sur disque. La taille du volume doit donc être suffisamment grande pour contenir les deux jeux de données.

    Type: entier. Par défaut :0.

    Remarque : S'il n'est pas spécifié ou 0, Neptune ML sélectionne une taille de volume de disque en fonction de la recommandation générée lors de l'étape de traitement des données. Consulter Sélection d'une instance pour la formation et la transformation du modèle.

  • subnets— (Facultatif) Identifiant des sous-réseaux dans le VPC Neptune.

    Type: liste de chaînes. Par défaut :aucune.

  • securityGroupIds— (Facultatif) Identifiant du groupe de sécurité VPC.

    Type: liste de chaînes. Par défaut :aucune.

  • volumeEncryptionKMSKey— (Facultatif) LeAWS Key Management Service(AWS KMS) utilisée par SageMaker pour chiffrer les données sur le volume de stockage attaché aux instances de calcul ML qui exécutent la tâche de transformation.

    Type: string Par défaut :aucune.

  • s3OutputEncryptionKMSKey— (Facultatif) LeAWS Key Management Service(AWS KMS) que SageMaker utilise pour chiffrer la sortie du travail de traitement.

    Type: string Par défaut :aucune.

Obtention du statut d'une tâche de transformation de modèle à l'aide du Neptune MLmodeltransformcommande

Un échantillon de Neptune MLmodeltransformpour le statut d'une tâche se présente sous la forme suivante :

curl -s \ "https://(your Neptune endpoint)/ml/modeltransform/(the job ID)" \ | python -m json.tool

Paramètres pourmodeltransformJob status

  • id— (Obligatoire) Identifiant unique de la tâche de transformation du modèle.

    Type: string

  • neptuneIamRoleArn— (Facultatif) ARN d'un rôle IAM qui fournit à Neptune un accès aux ressources SageMaker et Amazon S3.

    Type: string Remarque : Cela doit être répertorié dans le groupe de paramètres de votre cluster de bases de données, sinon une erreur se produira.

Arrêt d'une tâche de transformation de modèle à l'aide du Neptune MLmodeltransformcommande

Un échantillon de Neptune MLmodeltransformPour arrêter une tâche se présente sous la forme suivante :

curl -s \ -X DELETE "https://(your Neptune endpoint)/ml/modeltransform/(the job ID)"

Ou ceci :

curl -s \ -X DELETE "https://(your Neptune endpoint)/ml/modeltransform/(the job ID)?clean=true"

Paramètres pourmodeltransformArrêter l'

  • id— (Obligatoire) Identifiant unique de la tâche de transformation du modèle.

    Type: string

  • neptuneIamRoleArn— (Facultatif) ARN d'un rôle IAM qui fournit à Neptune un accès aux ressources SageMaker et Amazon S3.

    Type: string Remarque : Cela doit être répertorié dans le groupe de paramètres de votre cluster de bases de données, sinon une erreur se produira.

  • clean— (Facultatif) Cet indicateur spécifie que tous les artefacts Amazon S3 doivent être supprimés lorsque la tâche est arrêtée.

    Type : Booléen. Par défaut :FALSE.

Liste des tâches de transformation de modèle actives à l'aide du Neptune MLmodeltransformcommande

Un échantillon de Neptune MLmodeltransformLa commande pour afficher les tâches actives se présente sous la forme suivante :

curl -s "https://(your Neptune endpoint)/ml/modeltransform" | python -m json.tool

Ou ceci :

curl -s "https://(your Neptune endpoint)/ml/modeltransform?maxItems=3" | python -m json.tool

Paramètres pourmodeltransformListe des tâches

  • maxItems— (Facultatif) Nombre maximum d'éléments à renvoyer.

    Type: entier. Par défaut : 10.Valeur maximale autorisée :1024.

  • neptuneIamRoleArn— (Facultatif) ARN d'un rôle IAM qui fournit à Neptune un accès aux ressources SageMaker et Amazon S3.

    Type: string Remarque : Cela doit être répertorié dans le groupe de paramètres de votre cluster de bases de données, sinon une erreur se produira.