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 模型轉換 API
模型轉換動作：
模型轉換結構：
StartMLModelTransformJob (動作)
此 API 的 AWS CLI 名稱為：start-ml-model-transform-job。
建立新模型轉換工作。請參閱使用訓練後的模型來產生新的模型成品。
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:StartMLModelTransformJob 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 ML 運算執行個體，用於處理訓練資料和模型。
-
baseProcessingInstanceVolumeSizeInGB (在 CLI 中：
--base-processing-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 (以 GB 為單位)。預設值為 0。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。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。
-
customModelTransformParameters (在 CLI 中：
--custom-model-transform-parameters) – CustomModelTransformParameters 物件。使用自訂模型進行模型轉換的組態資訊。
customModelTransformParameters物件包含下列欄位，其具有的值必須與訓練工作中儲存的模型參數相容： -
dataProcessingJobId (在 CLI 中：
--data-processing-job-id) – 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。您必須包含
dataProcessingJobId和mlModelTrainingJobId或trainingJobName。 -
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。
-
mlModelTrainingJobId (在 CLI 中：
--ml-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。您必須包含
dataProcessingJobId和mlModelTrainingJobId或trainingJobName。 -
modelTransformOutputS3Location (在 CLI 中：
--model-transform-output-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。
-
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。
-
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)。用於 SageMaker 執行之 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)。
-
trainingJobName (在 CLI 中：
--training-job-name) – 字串，類型為：string(UTF-8 編碼的字串)。已完成 SageMaker 訓練工作的名稱。您必須包含
dataProcessingJobId和mlModelTrainingJobId或trainingJobName。 -
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)。模型轉換工作的 ARN。
-
creationTimeInMillis - Long 整數，類型為：
long(帶有正負號的 64 位元整數)。模型轉換工作的建立時間，以毫秒為單位。
-
id – 字串，類型為：
string(UTF-8 編碼的字串)。新模型轉換工作的唯一 ID。
錯誤
ListMLModelTransformJobs (動作)
此 API 的 AWS CLI 名稱為：list-ml-model-transform-jobs。
傳回模型轉換工作 ID 的清單。請參閱使用訓練後的模型來產生新的模型成品。
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:ListMLModelTransformJobs IAM 動作。
請求
-
maxItems (在 CLI 中：
--max-items) – ListMLModelTransformJobsInputMaxItemsInteger，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)。來自模型轉換 ID 清單中的頁面。
錯誤
GetMLModelTransformJob (動作)
此 API 的 AWS CLI 名稱為：get-ml-model-transform-job。
取得所指定模型轉換工作的相關資訊。請參閱使用訓練後的模型來產生新的模型成品。
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:GetMLModelTransformJobStatus 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)。要擷取之模型轉換工作的唯一識別符。
-
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
-
baseProcessingJob – MlResourceDefinition 物件。
基礎資料處理工作。
-
id – 字串，類型為：
string(UTF-8 編碼的字串)。要擷取之模型轉換工作的唯一識別符。
-
models – 一個 MlConfigDefinition 物件陣列。
所使用之模型的組態資訊清單。
-
remoteModelTransformJob – MlResourceDefinition 物件。
遠端模型轉換工作。
-
status – 字串，類型為：
string(UTF-8 編碼的字串)。模型轉換工作的狀態。
錯誤
CancelMLModelTransformJob (動作)
此 API 的 AWS CLI 名稱為：cancel-ml-model-transform-job。
取消指定的模型轉換工作。請參閱使用訓練後的模型來產生新的模型成品。
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:CancelMLModelTransformJob IAM 動作。
請求
-
clean (在 CLI 中:
--clean) – 布林值，類型為：boolean(布林值 (true 或 false))。如果此旗標設定為
TRUE，則應在工作停止時刪除所有 Neptune ML 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)。要取消之模型轉換工作的唯一 ID。
-
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
模型轉換結構：
CustomModelTransformParameters (結構)
包含自訂模型轉換參數。請參閱使用訓練後的模型來產生新的模型成品。
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。 -
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。
