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
推理查询目前仅支持使用Gremlin查询语言。
当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 机器学习功能)。
-
Neptune ML 可以支持的最大图形大小取决于期间所需的内存和存储容量数据准备、模型训练, 和推断.
SageMaker 数据处理实例的最大内存大小为 768 GB。因此,如果数据处理阶段需要超过 768 GB 的内存,则会失败。
SageMaker 训练实例的最大内存大小为 732 GB。因此,如果训练阶段需要超过 732 GB 的内存,则会失败。
Neptune ML 目前仅在 Neptune 及其依赖的其他服务的地区可用(例如Amazon Lambda,Amazon API Gateway 和 Amazon SageMaker) 都受支持。
由于默认使用 IAM 身份验证的差异,中国(北京)和中国(宁夏)存在差异。这里解释以及其他差异。
-
Neptune ML 启动的推理端点目前只能返回训练期间图中存在的节点的预测。对于属性图模型,您可以更新推理端点以提供新节点的预测,方法是遵循增量数据推理工作流或者再训练工作流使用新数据。
对于每个受支持的任务,推理查询中可能会出现以下节点:
对于 vertex 属性预测(节点分类或节点回归),查询中使用的所有折点必须在原始图表中可用,但要预测的属性并不需要存在于所有顶点上。
对于边缘属性预测(边分类或边回归),查询中使用的边上的所有事件顶点必须在原始图表中可用,但要预测的边属性并不需要在所有边上都存在。
对于链接预测(源或目标顶点预测),在训练期间,查询中使用的所有顶点和边类型都必须可用。无法预测新的边缘类型或顶点。
-
Neptune ML 支持的 KGE 模型仅用于链接预测任务,而且这些表示法特定于训练期间图表中出现的顶点和边类型。这意味着在训练期间,推理查询中引用的所有顶点和边类型都必须存在于图表中。如果不重新训练模型,就无法对新边类型或顶点进行预测。
SageMaker 资源限制
由于活动和资源使用情况的差异,您可能会遇到错误消息,表示你已经超出了配额(资源限制已超过
SageMaker 资源名称对应于 Neptune ML 阶段,如下所示:
SageMaker
ProcessingJob
用于 Neptune 数据处理、模型训练和模型转换作业。SageMaker
HyperParameterTuningJob
Neptune 模型训练作业使用。SageMaker
TrainingJob
Neptune 模型训练作业使用。SageMaker
Endpoint
是由 Neptune 推理端点使用的。