Entraînement d'un modèle à l'aide de Neptune ML - 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.

Entraînement d'un modèle à l'aide de Neptune ML

Une fois que vous avez traité les données que vous avez exportées depuis Neptune pour la formation sur les modèles, vous pouvez commencer une tâche de formation au modèle à l'aide d'uncurl(ouawscurl) similaire à ce qui suit :

curl \ -X POST https://(your Neptune endpoint)/ml/modeltraining -H 'Content-Type: application/json' \ -d '{ "id" : "(a unique model-training job ID)", "dataProcessingJobId" : "(the data-processing job-id of a completed job)", "trainModelS3Location" : "s3://(your Amazon S3 bucket)/neptune-model-graph-autotrainer" }'

Les détails sur l'utilisation de cette commande sont expliqués dansLa commande Modeltraining, ainsi que des informations sur la façon d'obtenir le statut d'une tâche en cours d'exécution, comment arrêter une tâche en cours d'exécution et comment répertorier toutes les tâches en cours d'exécution.

Vous pouvez également fournir unpreviousModelTrainingJobIdpour utiliser les informations d'une tâche de formation sur le modèle Neptune ML terminée afin d'accélérer la recherche d'hyperparamètres dans une nouvelle tâche de formation. Cela est utile pendantrecyclage du modèle sur les nouvelles données graphiques, ainsi queformation incrémentielle sur les mêmes données graphiques. Utilisez une commande similaire à ce qui suit :

curl \ -X POST https://(your Neptune endpoint)/ml/modeltraining -H 'Content-Type: application/json' \ -d '{ "id" : "(a unique model-training job ID)", "dataProcessingJobId" : "(the data-processing job-id of a completed job)", "trainModelS3Location" : "s3://(your Amazon S3 bucket)/neptune-model-graph-autotrainer" "previousModelTrainingJobId" : "(the model-training job-id of a completed job)" }'

Vous pouvez former votre propre implémentation de modèle sur l'infrastructure de formation Neptune ML en fournissant uncustomModelTrainingParametersobjet, comme ceci :

curl \ -X POST https://(your Neptune endpoint)/ml/modeltraining -H 'Content-Type: application/json' \ -d '{ "id" : "(a unique model-training job ID)", "dataProcessingJobId" : "(the data-processing job-id of a completed job)", "trainModelS3Location" : "s3://(your Amazon S3 bucket)/neptune-model-graph-autotrainer" "modelName": "custom", "customModelTrainingParameters" : { "sourceS3DirectoryPath": "s3://(your Amazon S3 bucket)/(path to your Python module)", "trainingEntryPointScript": "(your training script entry-point name in the Python module)", "transformEntryPointScript": "(your transform script entry-point name in the Python module)" } }'

VoirLa commande Modeltrainingpour plus d'informations, telles que comment obtenir le statut d'une tâche en cours d'exécution, comment arrêter une tâche en cours d'exécution et comment répertorier toutes les tâches en cours d'exécution. VoirModèles personnalisés dans Neptune MLpour de plus amples informations sur la façon d'implémenter et d'utiliser un modèle personnalisé.