使用 `modeltransform` 命令进行模型转换

您可以使用 Neptune ML modeltransform 命令创建模型转换任务、检查其状态、停止它或列出所有活动的模型转换任务。

使用 Neptune ML `modeltransform` 命令创建模型转换任务

用于创建增量转换任务的 Neptune ML modeltransform 命令（无需重新训练模型）如下所示：

Amazon CLI


aws neptunedata start-ml-model-transform-job \
  --endpoint-url https://your-neptune-endpoint:port \
  --id "(a unique model-transform job ID)" \
  --data-processing-job-id "(the job-id of a completed data-processing job)" \
  --ml-model-training-job-id "(the job-id of a completed model-training job)" \
  --model-transform-output-s3-location "s3://(your S3 bucket)/neptune-model-transform"

有关更多信息，请参阅《 Amazon CLI 命令参考》中的 start-ml-model-transform-job。

SDK


import boto3
from botocore.config import Config

client = boto3.client(
    'neptunedata',
    endpoint_url='https://your-neptune-endpoint:port',
    config=Config(read_timeout=None, retries={'total_max_attempts': 1})
)

response = client.start_ml_model_transform_job(
    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 S3 bucket)/neptune-model-transform'
)

print(response)

awscurl


awscurl https://your-neptune-endpoint:port/ml/modeltransform \
  --region us-east-1 \
  --service neptune-db \
  -X POST \
  -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 S3 bucket)/neptune-model-transform"
      }'

注意

此示例假设您的 Amazon 证书是在您的环境中配置的。us-east-1替换为 Neptune 集群的区域。

curl


curl \
  -X POST https://your-neptune-endpoint:port/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 S3 bucket)/neptune-model-transform"
      }'

用于从已完成的 SageMaker AI 训练作业中创建任务的 Neptune ML modeltransform 命令如下所示：

用于创建使用自定义模型实现的任务的 Neptune ML modeltransform 命令如下所示：

Amazon CLI


aws neptunedata start-ml-model-transform-job \
  --endpoint-url https://your-neptune-endpoint:port \
  --id "(a unique model-transform job ID)" \
  --training-job-name "(name of a completed SageMaker training job)" \
  --model-transform-output-s3-location "s3://(your Amazon S3 bucket)/neptune-model-transform/" \
  --custom-model-transform-parameters '{
    "sourceS3DirectoryPath": "s3://(your Amazon S3 bucket)/(path to your Python module)",
    "transformEntryPointScript": "(your transform script entry-point name in the Python module)"
  }'

有关更多信息，请参阅《 Amazon CLI 命令参考》中的 start-ml-model-transform-job。

SDK


import boto3
from botocore.config import Config

client = boto3.client(
    'neptunedata',
    endpoint_url='https://your-neptune-endpoint:port',
    config=Config(read_timeout=None, retries={'total_max_attempts': 1})
)

response = client.start_ml_model_transform_job(
    id='(a unique model-transform job ID)',
    trainingJobName='(name of a completed SageMaker 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)'
    }
)

print(response)

awscurl


awscurl https://your-neptune-endpoint:port/ml/modeltransform \
  --region us-east-1 \
  --service neptune-db \
  -X POST \
  -H 'Content-Type: application/json' \
  -d '{
        "id" : "(a unique model-transform job ID)",
        "trainingJobName" : "(name of a completed SageMaker 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)"
        }
      }'

注意

此示例假设您的 Amazon 证书是在您的环境中配置的。us-east-1替换为 Neptune 集群的区域。

curl


curl \
  -X POST https://your-neptune-endpoint:port/ml/modeltransform \
  -H 'Content-Type: application/json' \
  -d '{
        "id" : "(a unique model-transform job ID)",
        "trainingJobName" : "(name of a completed SageMaker 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)"
        }
      }'

用于创建 `modeltransform` 任务的参数

id –（可选）新任务的唯一标识符。

类型：字符串。默认：自动生成的 UUID。
dataProcessingJobId– 已完成的数据处理任务的任务 ID。

类型：字符串。

注意：必须同时包含 dataProcessingJobId 和 mlModelTrainingJobId 或 trainingJobName。
mlModelTrainingJobId – 已完成的模型训练任务的任务 ID。

类型：字符串。

注意：必须同时包含 dataProcessingJobId 和 mlModelTrainingJobId 或 trainingJobName。
trainingJobName— 已完成的 A SageMaker I 训练作业的名称。

类型：字符串。

注意：必须同时包含 dataProcessingJobId 和 mlModelTrainingJobId 参数或 trainingJobName 参数。
sagemakerIamRoleArn—（可选）用于 A SageMaker I 执行的 IAM 角色的 ARN。

类型：字符串。注意：必须将其列在您的数据库集群参数组中，否则将发生错误。
neptuneIamRoleArn—（可选）向 Neptune 提供 AI 和 A SageMaker mazon S3 资源访问权限的 IAM 角色的 ARN。

类型：字符串。注意：必须将其列在您的数据库集群参数组中，否则将发生错误。
customModelTransformParameters –（可选）使用自定义模型进行模型转换的配置信息。customModelTransformParameters 对象包含以下字段，这些字段的值必须与训练任务中保存的模型参数兼容：
- sourceS3DirectoryPath –（必需）实现您的模型的 Python 模块所在的 Amazon S3 位置的路径。这必须指向有效的现有 Amazon S3 位置，其中至少包含训练脚本、转换脚本和 model-hpo-configuration.json 文件。
- transformEntryPointScript –（可选）脚本模块中入口点的名称，该脚本应在确定超参数搜索中的最佳模型之后运行，以计算模型部署所需的模型构件。它应该能够在没有命令行参数的情况下运行。
  
  默认值：transform.py。
baseProcessingInstanceType –（可选）用于准备和管理机器学习模型训练的机器学习实例的类型。

类型：字符串。注意：这是根据用于处理转换数据和模型的内存要求选择的 CPU 实例。请参阅为模型训练和模型转换选择实例。
baseProcessingInstanceVolumeSizeInGB –（可选）训练实例的磁盘卷大小。输入数据和输出模型都存储在磁盘上，因此卷大小必须足够大，以容纳两个数据集。

类型：整数。默认值：0。

注意：如果未指定或为 0，Neptune ML 会根据数据处理步骤中生成的建议选择磁盘卷大小。请参阅为模型训练和模型转换选择实例。
subnets—（可选）Ne IDs ptune VPC 中的子网。

类型：字符串列表。默认值：无。
securityGroupIds—（可选）VPC 安全组 IDs。

类型：字符串列表。默认值：无。
volumeEncryptionKMSKey—（可选） SageMaker AI 用来加密连接到运行转换作业的 ML 计算实例的存储卷上的数据的 Amazon Key Management Service (Amazon KMS) 密钥。

类型：字符串。默认值：无。
enableInterContainerTrafficEncryption –（可选）在训练或超参数调整任务中启用或禁用容器间流量加密。

类型：布尔值。默认值：True。

注意
enableInterContainerTrafficEncryption 参数仅在引擎版本 1.2.0.2.R3 中可用。
s3OutputEncryptionKMSKey—（可选Amazon KMS） SageMaker AI 用来加密处理作业输出的 Amazon Key Management Service () 密钥。

类型：字符串。默认值：无。

使用 Neptune ML `modeltransform` 命令获取模型转换任务的状态

用于显示任务状态的示例 Neptune ML modeltransform 命令如下所示：

`modeltransform` 任务状态的参数

id –（必需）模型转换任务的唯一标识符。

类型：字符串。
neptuneIamRoleArn—（可选）向 Neptune 提供 AI 和 A SageMaker mazon S3 资源访问权限的 IAM 角色的 ARN。

类型：字符串。注意：必须将其列在您的数据库集群参数组中，否则将发生错误。

使用 Neptune ML `modeltransform` 命令停止模型转换任务

用于停止任务的示例 Neptune ML modeltransform 命令如下所示：

`modeltransform` 停止任务的参数

id –（必需）模型转换任务的唯一标识符。

类型：字符串。
neptuneIamRoleArn—（可选）向 Neptune 提供 AI 和 A SageMaker mazon S3 资源访问权限的 IAM 角色的 ARN。

类型：字符串。注意：必须将其列在您的数据库集群参数组中，否则将发生错误。
clean –（可选）此标志指定在任务停止时应删除所有 Amazon S3 构件。

类型：布尔值。默认值：FALSE。

使用 Neptune ML `modeltransform` 命令列出活动的模型转换任务

用于列出活动任务的示例 Neptune ML modeltransform 命令如下所示：

`modeltransform` 列出任务的参数

maxItems –（可选），表示要返回的最大项目数。

类型：整数。默认值：10。允许的最大值：1024。
neptuneIamRoleArn—（可选）向 Neptune 提供 AI 和 A SageMaker mazon S3 资源访问权限的 IAM 角色的 ARN。

类型：字符串。注意：必须将其列在您的数据库集群参数组中，否则将发生错误。

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

modeltraining 命令

endpoints 命令

使用 modeltransform 命令进行模型转换

使用 Neptune ML modeltransform 命令创建模型转换任务

注意

注意

注意

用于创建 modeltransform 任务的参数

注意

使用 Neptune ML modeltransform 命令获取模型转换任务的状态

注意

modeltransform 任务状态的参数

使用 Neptune ML modeltransform 命令停止模型转换任务

注意

modeltransform 停止任务的参数

使用 Neptune ML modeltransform 命令列出活动的模型转换任务

注意

modeltransform 列出任务的参数