Neptune ML 限制 - Amazon Neptune
SageMaker 限制
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

Neptune ML 限制

  • 目前支持的推理类型包括节点分类、节点回归、边缘分类、边缘回归和链接预测（请参阅Neptune ML 功能）。

  • Neptune ML 可以支持的最大图形大小取决于在数据准备、模型训练和推理期间所需的内存和存储量。

    • SageMaker 数据处理实例的最大内存大小为 768GB。因此，如果需要超过 768GB 的内存，数据处理阶段就会失败。

    • SageMaker 训练实例的最大内存大小为 732GB。因此，如果需要超过 732GB 的内存，则训练阶段就会失败。

  • SageMaker 端点的推理负载的最大大小为 6MiB。因此，如果子图形负载超过此大小，则归纳推理就会失败。

  • Neptune ML 目前仅在全部支持 Neptune 及其所依赖的其它服务（例如 Amazon Lambda、Amazon API Gateway 和 Amazon SageMaker）的区域可用。

    中国（北京）和中国（宁夏）在默认使用 IAM 身份验证方面存在差异，如此处所述以及其它差异。

  • Neptune ML 启动的链接预测推理端点目前只能预测与训练期间图形中存在的节点之间的可能链接。

    例如，假设一个带有 User 和 Movie 顶点和 Rated 边缘的图形。使用相应的 Neptune ML 链接预测推荐模型，您可以向图形中添加新用户并让模型为他们预测电影，但该模型只能推荐在模型训练期间存在的电影。尽管 User 节点嵌入是使用其本地子图形和 GNN 模型实时计算的，因此在用户对电影进行评分时可能会随着时间的推移而变化，但还是将其与静态、预先计算的电影嵌入进行比较，以获得最终推荐。

  • Neptune ML 支持的 KGE 模型仅适用于链接预测任务，并且表示形式特定于训练期间图形中存在的顶点和边缘类型。这意味着，在训练期间，推理查询中提及的所有顶点和边缘类型都必须存在于图形中。如果不重新训练模型，就无法预测新的边缘类型或顶点。

SageMaker 资源限制

根据您一段时间内的活动和资源使用情况，您可能会遇到错误消息，提示您已超过限额 (ResourceLimitExceeded)，并且需要纵向扩展 SageMaker 资源，请按照本页上申请增加 SageMaker 资源的服务限额过程中的步骤向 Amazon Support 申请增加限额。

SageMaker 资源名称对应于 Neptune ML 阶段，如下所示：

  • Neptune 数据处理、模型训练和模型转换任务使用 ProcessingJob SageMaker。

  • Neptune 模型训练任务使用 HyperParameterTuningJob SageMaker。

  • Neptune 模型训练任务使用 TrainingJob SageMaker。

  • Neptune 推理端点使用 Endpoint SageMaker。