Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
El comando modeltransform de Neptune ML se utiliza para crear un trabajo de transformación de modelos, comprobar su estado, detenerlo o enumerar todos los trabajos de transformación de modelos activos.
Creación de un trabajo de transformación de modelos mediante el comando modeltransform de Neptune ML
Un comando modeltransform de Neptune ML para crear un trabajo de transformación incremental, sin tener que volver a entrenar los modelos, tiene el siguiente aspecto:
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" }'
Un modeltransform comando de Neptune ML para crear un trabajo a partir de un trabajo de formación de SageMaker IA completado tiene el siguiente aspecto:
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 AI training job)", "modelTransformOutputS3Location" : "s3://(your Amazon S3 bucket)/neptune-model-transform", "baseProcessingInstanceType" : "" }'
Un comando modeltransform de Neptune ML para crear un trabajo que utiliza una implementación de modelos personalizados tiene el siguiente aspecto:
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 AI 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)" } }'
Parámetros para la creación de trabajos de modeltransform
-
id: (opcional) un identificador único para el trabajo nuevo.Tipo: cadena. Valor predeterminado: un UUID generado automáticamente.
-
dataProcessingJobId: el ID del trabajo de un trabajo de procesamiento de datos completado.Tipo: cadena.
Nota: Debe incluir los valores
dataProcessingJobIdymlModelTrainingJobId, otrainingJobName. -
mlModelTrainingJobId: el ID de trabajo de un trabajo de entrenamiento de modelos completado.Tipo: cadena.
Nota: Debe incluir los valores
dataProcessingJobIdymlModelTrainingJobId, otrainingJobName. -
trainingJobName— El nombre de un trabajo de formación en SageMaker IA completado.Tipo: cadena.
Nota: Debe incluir los parámetros
dataProcessingJobIdymlModelTrainingJobId, o el parámetrotrainingJobName. -
sagemakerIamRoleArn— (Opcional) El ARN de un rol de IAM para SageMaker la ejecución de la IA.Tipo: cadena. Nota: Debe figurar en el grupo de parámetros del clúster de base de datos o se producirá un error.
-
neptuneIamRoleArn— (Opcional) El ARN de un rol de IAM que proporciona a Neptune acceso a los recursos de IA y SageMaker Amazon S3.Tipo: cadena. Nota: Debe figurar en el grupo de parámetros del clúster de base de datos o se producirá un error.
-
customModelTransformParameters: (opcional) información de configuración para la transformación de un modelo mediante un modelo personalizado. El objetocustomModelTransformParametersincluye los siguientes campos, que deben tener valores compatibles con los parámetros del modelo guardados del trabajo de entrenamiento:sourceS3DirectoryPath: (obligatorio) la ruta a la ubicación de Amazon S3 donde se encuentra el módulo de Python que implementa el modelo. Debe apuntar a una ubicación válida de Amazon S3 existente que incluya, como mínimo, un script de entrenamiento, un script de transformación y un archivomodel-hpo-configuration.json.-
transformEntryPointScript: (opcional) el nombre del punto de entrada en el módulo de un script que debe ejecutarse después de identificar el mejor modelo de la búsqueda de hiperparámetros, con el fin de calcular los artefactos de modelos necesarios para su implementación. Debería poder ejecutarse sin argumentos de línea de comandos.Valor predeterminado:
transform.py.
-
baseProcessingInstanceType: (opcional) el tipo de instancia de ML que se utiliza para preparar y administrar el entrenamiento de modelos de ML.Tipo: cadena. Nota: Se trata de una instancia de CPU que se elige en función de los requisitos de memoria para procesar los datos y el modelo de transformación. Consulte Selección de una instancia para el entrenamiento y la transformación de modelos.
-
baseProcessingInstanceVolumeSizeInGB: (opcional) el tamaño del volumen del disco de la instancia de entrenamiento. Tanto los datos de entrada como los datos de salida se almacenan en el disco, por lo que el tamaño del volumen debe ser lo suficientemente grande como para incluir ambos conjuntos de datos.Tipo: número entero. Valor predeterminado:
0.Nota: Si no se especifica o el valor es 0, Neptune ML selecciona un tamaño de volumen de disco en función de la recomendación generada en el paso de procesamiento de datos. Consulte Selección de una instancia para el entrenamiento y la transformación de modelos.
-
subnets— (Opcional) La IDs de las subredes de la VPC de Neptune.Tipo: lista de cadenas. Valor predeterminado: ninguno.
-
securityGroupIds— (Opcional) El grupo de seguridad de VPC. IDsTipo: lista de cadenas. Valor predeterminado: ninguno.
-
volumeEncryptionKMSKey— (Opcional) La clave AWS Key Management Service (AWS KMS) que utiliza la SageMaker IA para cifrar los datos del volumen de almacenamiento adjunto a las instancias de procesamiento de aprendizaje automático que ejecutan el trabajo de transformación.Tipo: cadena. Valor predeterminado: ninguno.
-
enableInterContainerTrafficEncryption: (opcional) habilite o deshabilite el cifrado del tráfico entre contenedores en trabajos de entrenamiento o de ajuste de hiperparámetros.Tipo: booleano. Valor predeterminado: true.
nota
El parámetro
enableInterContainerTrafficEncryptionsolo está disponible en la versión 1.2.0.2.R3 del motor. -
s3OutputEncryptionKMSKey— (Opcional) La clave AWS Key Management Service (AWS KMS) que utiliza la SageMaker IA para cifrar el resultado del trabajo de procesamiento.Tipo: cadena. Valor predeterminado: ninguno.
Obtención del estado de un trabajo de transformación de modelos mediante el comando modeltransform de Neptune ML
Un ejemplo del comando modeltransform de Neptune ML para el estado de un trabajo:
curl -s \ "https://(your Neptune endpoint)/ml/modeltransform/(the job ID)" \ | python -m json.tool
Parámetros para el estado del trabajo de modeltransform
-
id: (obligatorio) el identificador único del trabajo de transformación de modelos.Tipo: cadena.
-
neptuneIamRoleArn— (Opcional) El ARN de un rol de IAM que proporciona a Neptune acceso a los recursos de IA y SageMaker Amazon S3.Tipo: cadena. Nota: Debe figurar en el grupo de parámetros del clúster de base de datos o se producirá un error.
Detención de un trabajo de transformación de modelos mediante el comando modeltransform de Neptune ML
Un ejemplo del comando modeltransform de Neptune ML para detener un trabajo:
curl -s \ -X DELETE "https://(your Neptune endpoint)/ml/modeltransform/(the job ID)"
Otro ejemplo:
curl -s \ -X DELETE "https://(your Neptune endpoint)/ml/modeltransform/(the job ID)?clean=true"
Parámetros para el trabajo de detención de modeltransform
-
id: (obligatorio) el identificador único del trabajo de transformación de modelos.Tipo: cadena.
-
neptuneIamRoleArn— (Opcional) El ARN de un rol de IAM que proporciona a Neptune acceso a los recursos de IA y SageMaker Amazon S3.Tipo: cadena. Nota: Debe figurar en el grupo de parámetros del clúster de base de datos o se producirá un error.
-
clean: (opcional) este indicador especifica que todos los artefactos de Amazon S3 deben eliminarse cuando se detiene el trabajo.Tipo: booleano. Valor predeterminado:
FALSE.
Enumeración de trabajos de transformación de modelos activos mediante el comando modeltransform de Neptune ML
Un ejemplo del comando modeltransform de Neptune ML para enumerar los trabajos activos:
curl -s "https://(your Neptune endpoint)/ml/modeltransform" | python -m json.tool
Otro ejemplo:
curl -s "https://(your Neptune endpoint)/ml/modeltransform?maxItems=3" | python -m json.tool
Parámetros para los trabajos de enumeración de modeltransform
-
maxItems: (opcional) el número máximo de elementos que devolver.Tipo: número entero. Valor predeterminado:
10. Valor máximo permitido:1024. -
neptuneIamRoleArn— (Opcional) El ARN de un rol de IAM que proporciona a Neptune acceso a los recursos de IA y SageMaker Amazon S3.Tipo: cadena. Nota: Debe figurar en el grupo de parámetros del clúster de base de datos o se producirá un error.
