本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
Neptune ML 模型訓練 API
模型訓練動作：
模型訓練結構：
StartMLModelTrainingJob (動作)
此 API 的 AWS CLI 名稱是：start-ml-model-training-job。
建立新的 Neptune ML 模型訓練工作。請參閱使用 modeltraining 命令進行模型訓練。
在已啟用 IAM 身分驗證的 Neptune 叢集中調用此操作時，發出請求的 IAM 使用者或角色必須附加一個政策，在該叢集中允許 neptune-db:StartMLModelTrainingJob IAM 動作。
請求
-
baseProcessingInstanceType (在 CLI 中：
--base-processing-instance-type) – 字串，類型為：string(UTF-8 編碼的字串)。用於準備和管理 ML 模型訓練的 ML 執行個體類型。這是根據記憶體需求選擇的 CPU 執行個體，用於處理訓練資料和模型。
-
customModelTrainingParameters (在 CLI 中：
--custom-model-training-parameters) – CustomModelTrainingParameters 物件。自訂模型訓練的組態。這是 JSON 物件。
-
dataProcessingJobId (在 CLI 中：
--data-processing-job-id) – 必要：字串，類型為：string(UTF-8 編碼的字串)。已完成資料處理工作的工作 ID，該工作已建立訓練將使用的資料。
-
enableManagedSpotTraining (在 CLI 中:
--enable-managed-spot-training) – 布林值，類型為：boolean(布林值 (true 或 false))。使用 Amazon Elastic Compute Cloud Spot 執行個體，將訓練機器學習模型的成本最佳化。預設值為
False。 -
id (在 CLI 中：
--id) – 字串，類型為：string(UTF-8 編碼的字串)。新工作的唯一識別符。預設值為自動產生的 UUID。
-
maxHPONumberOfTrainingJobs (在 CLI 中：
--max-hpo-number-of-training-jobs) – 整數，類型為：integer(帶正負號的 32 位元整數)。要對超參數調校工作啟動的訓練工作總數上限。預設為 2。Neptune ML 會自動調校機器學習模型的超參數。若要取得效能良好的模型，請至少使用 10 個工作 (換句話說，將
maxHPONumberOfTrainingJobs設為 10)。一般來說，調校執行越多，結果越好。 -
maxHPOParallelTrainingJobs (在 CLI 中：
--max-hpo-parallel-training-jobs) – 整數，類型為：integer(帶正負號的 32 位元整數)。要對超參數調校工作啟動的並行訓練工作數目上限。預設為 2。您可以執行的並行工作數目受制於訓練執行個體上可用的資源。
-
neptuneIamRoleArn (在 CLI 中：
--neptune-iam-role-arn) – 字串，類型為：string(UTF-8 編碼的字串)。IAM 角色的 ARN，此角色可讓 Neptune 存取 SageMaker 和 Amazon S3 資源。這必須列示在您的資料庫叢集參數群組中，否則會發生錯誤。
-
previousModelTrainingJobId (在 CLI 中：
--previous-model-training-job-id) – 字串，類型為：string(UTF-8 編碼的字串)。已完成模型訓練工作的工作 ID，您想要根據更新的資料以增量方式更新此工作。
-
s3OutputEncryptionKMSKey (在 CLI 中：
--s-3-output-encryption-kms-key) – 字串，類型為：string(UTF-8 編碼的字串)。SageMaker 用來加密處理工作輸出的 Amazon Key Management Service (KMS) 金鑰。預設為 none。
-
sagemakerIamRoleArn (在 CLI 中：
--sagemaker-iam-role-arn) – 字串，類型為：string(UTF-8 編碼的字串)。SageMaker 執行的 IAM 角色的 ARN。這必須列示在您的資料庫叢集參數群組中，否則會發生錯誤。
-
securityGroupIds (在 CLI 中：
--security-group-ids) – 字串，類型為：string(UTF-8 編碼的字串)。VPC 安全群組 ID。預設值為 None (無)。
-
subnets (在 CLI 中：
--subnets) – 字串，類型為：string(UTF-8 編碼的字串)。Neptune VPC 中子網路的 ID。預設值為 None (無)。
-
trainingInstanceType (在 CLI 中：
--training-instance-type) – 字串，類型為：string(UTF-8 編碼的字串)。用於模型訓練的 ML 執行個體類型。所有 Neptune ML 模型都支援 CPU、GPU 和多 GPU 訓練。預設值為
ml.p3.2xlarge。選擇適合訓練的執行個體類型取決於工作類型、圖形大小和您的預算。 -
trainingInstanceVolumeSizeInGB (在 CLI 中：
--training-instance-volume-size-in-gb) – 整數，類型為：integer(帶正負號的 32 位元整數)。訓練執行個體的磁碟區大小。輸入資料和輸出模型都會儲存在磁碟上，因此磁碟區大小必須大到足以保留這兩個資料集。預設值為 0。如果未指定或指定 0，Neptune ML 會根據資料處理步驟中產生的建議選取磁碟區大小。
-
trainingTimeOutInSeconds (在 CLI 中：
--training-time-out-in-seconds) – 整數，類型為：integer(帶正負號的 32 位元整數)。訓練工作的逾時 (以秒為單位)。預設值為 86,400 (1 天)。
-
trainModelS3Location (在 CLI 中：
--train-model-s3-location) – 必要：字串，類型為：string(UTF-8 編碼的字串)。Amazon S3 中要儲存模型成品的位置。
-
volumeEncryptionKMSKey (在 CLI 中：
--volume-encryption-kms-key) – 字串，類型為：string(UTF-8 編碼的字串)。SageMaker 用來加密儲存磁碟區上資料的 Amazon Key Management Service (KMS) 金鑰，而該儲存磁碟區附加到執行訓練工作的 ML 運算執行個體。預設值為 None (無)。
回應
-
arn – 字串，類型為：
string(UTF-8 編碼的字串)。新模型訓練工作的 ARN。
-
creationTimeInMillis - Long 整數，類型為：
long(帶有正負號的 64 位元整數)。模型訓練工作建立時間，以毫秒為單位。
-
id – 字串，類型為：
string(UTF-8 編碼的字串)。新模型訓練工作的唯一 ID。
錯誤
ListMLModelTrainingJobs (動作)
此 API 的 AWS CLI 名稱是：list-ml-model-training-jobs。
列出 Neptune ML 模型訓練工作。請參閱使用 modeltraining 命令進行模型訓練。
在已啟用 IAM 身分驗證的 Neptune 叢集中調用此操作時，發出請求的 IAM 使用者或角色必須附加一個政策，在該叢集中允許 neptune-db:neptune-db:ListMLModelTrainingJobs IAM 動作。
請求
-
maxItems (在 CLI 中：
--max-items) – ListMLModelTrainingJobsInputMaxItemsInteger，類型為：integer(帶有正負號的 32 位元整數)，不小於 1 或大於 1024 ?st?s。要傳回的項目數目上限 (從 1 到 1024；預設值為 10)。
-
neptuneIamRoleArn (在 CLI 中：
--neptune-iam-role-arn) – 字串，類型為：string(UTF-8 編碼的字串)。IAM 角色的 ARN，此角色可讓 Neptune 存取 SageMaker 和 Amazon S3 資源。這必須列示在您的資料庫叢集參數群組中，否則會發生錯誤。
回應
-
ids – 字串，類型為：
string(UTF-8 編碼的字串)。模型訓練工作 ID 的清單頁面。
錯誤
GetMLModelTrainingJob (動作)
此 API 的 AWS CLI 名稱是：get-ml-model-training-job。
擷取 Neptune ML 模型訓練工作的相關資訊。請參閱使用 modeltraining 命令進行模型訓練。
在已啟用 IAM 身分驗證的 Neptune 叢集中調用此操作時，發出請求的 IAM 使用者或角色必須附加一個政策，在該叢集中允許 neptune-db:GetMLModelTrainingJobStatus IAM 動作。
請求
-
id (在 CLI 中：
--id) – 必要：字串，類型為：string(UTF-8 編碼的字串)。要擷取的模型訓練工作的唯一識別符。
-
neptuneIamRoleArn (在 CLI 中：
--neptune-iam-role-arn) – 字串，類型為：string(UTF-8 編碼的字串)。IAM 角色的 ARN，此角色可讓 Neptune 存取 SageMaker 和 Amazon S3 資源。這必須列示在您的資料庫叢集參數群組中，否則會發生錯誤。
回應
-
hpoJob – MlResourceDefinition 物件。
HPO 工作。
-
id – 字串，類型為：
string(UTF-8 編碼的字串)。此模型訓練工作的唯一識別符。
-
mlModels – 一個 MlConfigDefinition 物件陣列。
所使用之 ML 模型的組態清單。
-
modelTransformJob – MlResourceDefinition 物件。
模型轉換工作。
-
processingJob – MlResourceDefinition 物件。
資料處理工作。
-
status – 字串，類型為：
string(UTF-8 編碼的字串)。模型訓練工作的狀態。
錯誤
CancelMLModelTrainingJob (動作)
此 API 的 AWS CLI 名稱是：cancel-ml-model-training-job。
取消 Neptune ML 模型訓練工作。請參閱使用 modeltraining 命令進行模型訓練。
在已啟用 IAM 身分驗證的 Neptune 叢集中調用此操作時，發出請求的 IAM 使用者或角色必須附加一個政策，在該叢集中允許 neptune-db:CancelMLModelTrainingJob IAM 動作。
請求
-
clean (在 CLI 中:
--clean) – 布林值，類型為：boolean(布林值 (true 或 false))。如果設定為
TRUE，則此旗標指定在工作停止時應刪除所有 Amazon S3 成品。預設值為FALSE。 -
id (在 CLI 中：
--id) – 必要：字串，類型為：string(UTF-8 編碼的字串)。要取消的模型訓練工作的唯一識別符。
-
neptuneIamRoleArn (在 CLI 中：
--neptune-iam-role-arn) – 字串，類型為：string(UTF-8 編碼的字串)。IAM 角色的 ARN，此角色可讓 Neptune 存取 SageMaker 和 Amazon S3 資源。這必須列示在您的資料庫叢集參數群組中，否則會發生錯誤。
回應
-
status – 字串，類型為：
string(UTF-8 編碼的字串)。取消的狀態。
錯誤
模型訓練結構：
CustomModelTrainingParameters (結構)
包含自訂模型訓練參數。請參閱 Neptune ML 中的自訂模型。
欄位
-
sourceS3DirectoryPath - 這是必要：字串，類型為：
string(UTF-8 編碼的字串)。此路徑通往實作您模型之 Python 模組所在的 Amazon S3 位置。這必須指向有效的現有 Amazon S3 位置，其中至少包含訓練指令碼、轉換指令碼和
model-hpo-configuration.json檔案。 -
trainingEntryPointScript - 這是字串，類型為：
string(UTF-8 編碼的字串)。指令碼模組中的進入點名稱，該指令碼會執行模型訓練，並接受超參數作為命令列引數 (包括固定的超參數)。預設值為
training.py。 -
transformEntryPointScript - 這是字串，類型為：
string(UTF-8 編碼的字串)。指令碼模組中的進入點名稱，該指令碼應在識別了超參數搜尋中的最佳模型之後執行，以計算模型部署所需的模型成品。它應該能夠在沒有命令列參數的情況下執行。預設值為
transform.py。
