Melatih model menggunakan Neptune ML

Setelah Anda memproses data yang Anda ekspor dari Neptune untuk pelatihan model, Anda dapat memulai tugas pelatihan model menggunakan perintah curl (atau awscurl) seperti berikut ini:

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"
      }'

Rincian tentang cara menggunakan perintah ini dijelaskan dalam Perintah modeltraining, bersama dengan informasi tentang cara untuk mendapatkan status tugas yang sedang berjalan, cara menghentikan tugas yang sedang berjalan, dan mendaftar semua tugas yang sedang berjalan.

Anda juga dapat menyediakan informasipreviousModelTrainingJobId untuk menggunakan dari pekerjaan pelatihan model Neptune ML yang telah selesai untuk mempercepat pencarian hyperparameter dalam pekerjaan pelatihan baru. Ini berguna selama pelatihan ulang model pada data grafik baru, serta pelatihan tambahan pada data grafik yang sama. Gunakan perintah seperti ini:

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)"
      }'

Anda dapat melatih implementasi model Anda sendiri pada infrastruktur pelatihan Neptune MLdengan memasokcustomModelTrainingParameters objek, seperti ini:

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)"
        }
      }'

LihatPerintah modeltraining untuk informasi lebih lanjut, seperti tentang cara untuk mendapatkan status tugas yang sedang berjalan, cara menghentikan tugas yang sedang berjalan, dan mendaftar semua tugas yang sedang berjalan. LihatModel khusus di Neptunus ML informasi tentang cara mengimplementasikan dan menggunakan model kustom.

Topik

• Model dan pelatihan model di Amazon Neptune
• Menyesuaikan konfigurasi hyperparameter model di Neptune ML
• Praktik terbaik pelatihan