Transformasi model menggunakan modeltransform perintah - Amazon Neptune
Buat pekerjaan transformasi modelDapatkan status tugasMenghentikan tugasMembuat daftar tugas

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Transformasi model menggunakan modeltransform perintah

Anda menggunakan perintah Neptunus modeltransform ML untuk membuat pekerjaan transformasi model, memeriksa statusnya, menghentikannya, atau mencantumkan semua pekerjaan transformasi model yang aktif.

Membuat pekerjaan transformasi model menggunakan perintah Neptunus ML modeltransform

Perintah Neptunus modeltransform Neptunus untuk 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"
      }'

Perintah Neptunus modeltransform Neptunus untuk membuat pekerjaan dari pekerjaan pelatihan AI yang SageMaker telah selesai 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)",
        "trainingJobName" : "(name of a completed SageMaker AI training job)",
        "modelTransformOutputS3Location" : "s3://(your Amazon S3 bucket)/neptune-model-transform",
        "baseProcessingInstanceType" : ""
      }'

Perintah Neptunus modeltransform Neptunus 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 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)"
        }
      }'
Parameter untuk pembuatan pekerjaan modeltransform

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

    Tipe: string. Default: Sebuah autogeneratedUUID.

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

    Tipe: string.

    Catatan: Anda harus menyertakan keduanya dataProcessingJobId danmlModelTrainingJobId, atautrainingJobName.

  • mlModelTrainingJobId— Id pekerjaan dari pekerjaan pelatihan model yang telah selesai.

    Tipe: string.

    Catatan: Anda harus menyertakan keduanya dataProcessingJobId danmlModelTrainingJobId, atautrainingJobName.

  • trainingJobName— Nama pekerjaan pelatihan SageMaker AI yang telah selesai.

    Tipe: string.

    Catatan: Anda harus menyertakan parameter dataProcessingJobId dan mlModelTrainingJobId parameter, atau trainingJobName parameternya.

  • sagemakerIamRoleArn— (Opsional) ARN IAM Peran untuk eksekusi SageMaker AI.

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

  • neptuneIamRoleArn— (Opsional) ARN IAM Peran yang menyediakan akses Neptunus SageMaker ke sumber daya AI dan 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 kustom. customModelTransformParametersObjek berisi bidang berikut, yang harus memiliki nilai yang kompatibel dengan parameter model yang disimpan dari pekerjaan pelatihan:

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

    • 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. Itu harus dapat berjalan tanpa argumen baris perintah.

      Default: transform.py.

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

    Tipe: string. Catatan: Ini adalah CPU contoh yang dipilih berdasarkan persyaratan memori untuk memproses data dan model transformasi. Lihat Memilih contoh 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, Neptunus ML memilih ukuran volume disk berdasarkan rekomendasi yang dihasilkan dalam langkah pemrosesan data. Lihat Memilih contoh untuk pelatihan model dan transformasi model.

  • subnets— (Opsional) Subnet di VPC Neptunus. IDs

    Tipe: daftar string. Default: tidak ada.

  • securityGroupIds— (Opsional) Grup VPC keamananIDs.

    Tipe: daftar string. Default: tidak ada.

  • volumeEncryptionKMSKey— (Opsional) Kunci AWS Key Management Service (AWS KMS) yang digunakan SageMaker AI untuk mengenkripsi data pada volume penyimpanan yang dilampirkan ke instance komputasi ML yang menjalankan tugas transformasi.

    Tipe: string. Default: tidak ada.

  • enableInterContainerTrafficEncryption— (Opsional) Aktifkan atau nonaktifkan 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— (Opsional) Kunci AWS Key Management Service (AWS KMS) yang digunakan SageMaker AI untuk mengenkripsi output dari pekerjaan pemrosesan.

    Tipe: string. Default: tidak ada.

Mendapatkan status pekerjaan transformasi model menggunakan perintah Neptunus ML modeltransform

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— (Wajib) Pengidentifikasi unik dari pekerjaan transformasi model.

    Tipe: string.

  • neptuneIamRoleArn— (Opsional) ARN IAM Peran yang menyediakan akses Neptunus SageMaker ke sumber daya AI dan Amazon S3.

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

Menghentikan pekerjaan transformasi model menggunakan perintah Neptunus ML modeltransform

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— (Wajib) Pengidentifikasi unik dari pekerjaan transformasi model.

    Tipe: string.

  • neptuneIamRoleArn— (Opsional) ARN IAM Peran yang menyediakan akses Neptunus SageMaker ke sumber daya AI dan 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.

Daftar pekerjaan transformasi model aktif menggunakan perintah Neptunus Neptunus modeltransform

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 IAM Peran yang menyediakan akses Neptunus SageMaker ke sumber daya AI dan Amazon S3.

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