Model mengubah menggunakanmodeltransform perintah

Anda menggunakanmodeltransform perintah Neptune Neptune untuk membuat tugas transformasi model

Membuat tugasmodeltransform

modeltransformPerintah Neptune MLuntuk membuat pekerjaan transformasi inkremental, tanpa pelatihan ulang model, terlihat seperti ini:

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"
      }'

modeltransformPerintah Neptune Neptune SageMaker untuk membuat tugas

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" : ""
      }'

modeltransformPerintah Neptune untuk membuat pekerjaan yang menggunakan implementasi model kustom terlihat seperti:

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)"
        }
      }'

Parameter untuk pembuatan pekerjaan modeltransform

• id   –   (Opsional) Pengidentifikasi unik untuk job baru.

  Tipe: string. Default: UUID yang dihasilkan secara otomatis.

• dataProcessingJobId- Id pekerjaan dari pekerjaan pemrosesan data yang telah selesai.

  Tipe: string.

  Catatan: Anda harus menyertakan keduanyadataProcessingJobId danmlModelTrainingJobId, atautrainingJobName.

• mlModelTrainingJobId— Id pekerjaan pekerjaan model-pelatihan selesai.

  Tipe: string.

  Catatan: Anda harus menyertakan keduanyadataProcessingJobId danmlModelTrainingJobId, atautrainingJobName.

• trainingJobName— Nama pekerjaan SageMaker pelatihan yang telah selesai.

  Tipe: string.

  Catatan: Anda harus menyertakan parameterdataProcessingJobId danmlModelTrainingJobId parameter, atau parameternyatrainingJobName.

• sagemakerIamRoleArn- (Opsional) ARN dari peran IAM untuk SageMaker eksekusi.

  Tipe: string. Catatan: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.

• neptuneIamRoleArn— (Opsional) ARN peran IAM yang menyediakan akses Neptune ke SageMaker dan sumber daya Amazon S3.

  Tipe: string. Catatan: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.

• customModelTransformParameters - (Opsional) Informasi konfigurasi untuk transformasi model menggunakan model khusus. customModelTransformParametersObjek berisi bidang-bidang berikut, yang harus memiliki nilai yang kompatibel dengan parameter model yang disimpan dari pekerjaan pelatihan:

  • sourceS3DirectoryPath— (Diperlukan) Jalur ke lokasi Amazon S3 tempat modul Python yang mengimplementasikan model Anda berada. Ini harus mengarah ke lokasi Amazon S3 yang valid yang berisi, minimal, skrip pelatihan, skrip transformasi, danmodel-hpo-configuration.json file.

  • transformEntryPointScript- (Opsional) Nama titik masuk dalam modul skrip Anda yang harus dijalankan setelah model terbaik dari pencarian hyperparameter telah diidentifikasi, untuk menghitung artefak model yang diperlukan untuk penerapan model. Seharusnya bisa berjalan tanpa argumen baris perintah.

    Default: transform.py.

• baseProcessingInstanceType— (Opsional) Jenis instans ML yang digunakan dalam mempersiapkan dan mengelola pelatihan model ML.

  Tipe: string. Catatan: Ini adalah instance CPU yang dipilih berdasarkan persyaratan memori untuk memproses data dan model transformasi. Lihat Memilih instance untuk pelatihan model dan transformasi model.

• baseProcessingInstanceVolumeSizeInGB   –   (Opsional) Ukuran volume disk dari instans pelatihan. Input data dan model output disimpan dalam disk, sehingga ukuran volume harus cukup besar untuk menahan kedua set data.

  Tipe: integer. Default: 0.

  Catatan: Jika tidak ditentukan atau 0, Neptune MLmemilih ukuran volume disk berdasarkan rekomendasi yang dihasilkan dalam langkah pemrosesan data. Lihat Memilih instance untuk pelatihan model dan transformasi model.

• subnets   –   (Opsional) ID dari subnet dalam VPC Neptune.

  Tipe: daftar string. Default: tidak ada.

• securityGroupIds   –   (Opsional) ID grup keamanan VPC.

  Tipe: daftar string. Default: tidak ada.

• volumeEncryptionKMSKey— (Opsional) KunciAWS Key Management Service (AWS KMS) yang SageMaker digunakan untuk mengenkripsi data pada volume penyimpanan yang melekat pada instans komputasi MLyang menjalankan tugas transformasi.

  Tipe: string. Default: tidak ada.

• enableInterContainerTrafficEncryption- (Opsional) Mengaktifkan atau menonaktifkan enkripsi lalu lintas antar-kontainer dalam pelatihan atau pekerjaan penyetelan hiper-parameter.

  Jenis: boolean. Default: Benar.

  catatan

  enableInterContainerTrafficEncryptionParameter ini hanya tersedia dalam rilis mesin 1.2.0.2.R3.

• s3OutputEncryptionKMSKey- (OpsionalAWS KMS) KunciAWS Key Management Service () yang SageMaker digunakan untuk mengenkripsi output dari pekerjaan pemrosesan.

  Tipe: string. Default: tidak ada.

Mendapatkan status tugas transformasi model menggunakanmodeltransform perintah Neptune

Perintah modeltransform Neptune ML sampel untuk status tugas terlihat seperti ini:

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

Parameter untuk status tugas modeltransform

• id- (Diperlukan) Pengenal unik dari pekerjaan model-transformasi.

  Tipe: string.

• neptuneIamRoleArn— (Opsional) ARN peran IAM yang menyediakan akses Neptune ke SageMaker dan sumber daya Amazon S3.

  Tipe: string. Catatan: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.

Menghentikan tugas transformasi model menggunakanmodeltransform perintah Neptune

Perintah modeltransform Neptune ML sampel untuk menghentikan tugas terlihat seperti ini:

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

Atau ini:

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

Parameter untuk tugas berhenti modeltransform

• id- (Diperlukan) Pengenal unik dari pekerjaan model-transformasi.

  Tipe: string.

• neptuneIamRoleArn— (Opsional) ARN peran IAM yang menyediakan akses Neptune ke SageMaker dan sumber daya Amazon S3.

  Tipe: string. Catatan: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.

• clean   –   (Opsional) Bendera ini menetapkan bahwa semua artefak Amazon S3 harus dihapus ketika tugas dihentikan.

  Tipe: Boolean. Default: FALSE.

Membuat daftar Neptune transformasimodeltransform model

Perintah modeltransform Neptune ML sampel untuk membuat daftar tugas aktif terlihat seperti ini:

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

Atau ini:

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

Parameter untuk tugas daftar modeltransform

• maxItems   –   (Opsional) Jumlah maksimum item yang akan dikembalikan.

  Tipe: integer. Default: 10. Nilai maksimum yang diperbolehkan: 1024.

• neptuneIamRoleArn— (Opsional) ARN peran IAM yang menyediakan akses Neptune ke SageMaker dan sumber daya Amazon S3.

  Tipe: string. Catatan: Ini harus tercantum dalam grup parameter klaster DB Anda atau kesalahan akan terjadi.