[ aws . machinelearning ]
describe-ml-models
Описание
Возвращает список моделей машинного обучения, соответствующих критериям поиска в запросе.
См. также: Документация API AWS
describe-ml-models — это постраничная операция. Для получения всего набора результатов могут быть выполнены несколько вызовов API. Вы можете отключить постраничность, предоставив аргумент --no-paginate. При использовании --output text и аргумента --query в ответе с постраничностью, аргумент --query должен извлекать данные из результатов следующих выражений запроса: Results
Синтаксис
describe-ml-models
[--filter-variable <value>]
[--eq <value>]
[--gt <value>]
[--lt <value>]
[--ge <value>]
[--le <value>]
[--ne <value>]
[--prefix <value>]
[--sort-order <value>]
[--cli-input-json | --cli-input-yaml]
[--starting-token <value>]
[--page-size <value>]
[--max-items <value>]
[--generate-cli-skeleton <value>]
[--debug]
[--endpoint-url <value>]
[--no-verify-ssl]
[--no-paginate]
[--output <value>]
[--query <value>]
[--profile <value>]
[--region <value>]
[--version <value>]
[--color <value>]
[--no-sign-request]
[--ca-bundle <value>]
[--cli-read-timeout <value>]
[--cli-connect-timeout <value>]
[--cli-binary-format <value>]
[--no-cli-pager]
[--cli-auto-prompt]
[--no-cli-auto-prompt]
Параметры
--filter-variable (строка)
Используйте одну из следующих переменных для фильтрации списка моделей машинного обучения:
-
CreatedAt— устанавливает критерии поиска на дату создания модели. -
Status— устанавливает критерии поиска на статус модели. -
Name— устанавливает критерии поиска на содержимоеMLModel****Name. -
IAMUser— устанавливает критерии поиска на учетную запись пользователя, которая инициировала создание модели. -
TrainingDataSourceId— устанавливает критерии поиска на набор данных, используемый для обучения одной или нескольких моделей. -
RealtimeEndpointStatus— устанавливает критерии поиска на статус конечной точки реального времени. -
MLModelType— устанавливает критерии поиска на тип модели: бинарная, регрессионная или многоклассовая. -
Algorithm— устанавливает критерии поиска на алгоритм, используемый моделью. -
TrainingDataURI— устанавливает критерии поиска на файлы данных, используемые при обучении модели. URL может указывать на файл или ведро или директорию Amazon Simple Storage Service (Amazon S3).
Возможные значения:
CreatedAtLastUpdatedAtStatusNameIAMUserTrainingDataSourceIdRealtimeEndpointStatusMLModelTypeAlgorithmTrainingDataURI
--eq (строка)
MLModel будут иметь значения FilterVariable, которые точно соответствуют значению, указанному с помощью EQ.--gt (строка)
MLModel будут иметь значения FilterVariable, которые больше значения, указанного с помощью GT.--lt (строка)
MLModel будут иметь значения FilterVariable, которые меньше значения, указанного с помощью LT.--ge (строка)
MLModel будут иметь значения FilterVariable, которые больше или равны значению, указанному с помощью GE.--le (строка)
MLModel будут иметь значения FilterVariable, которые меньше или равны значению, указанному с помощью LE.--ne (строка)
MLModel будут иметь значения FilterVariable, не равные значению, указанному с помощью NE.--prefix (строка)
Строка, которая находится в начале переменной, например, Name или Id.
Например, у модели MLModel могла быть Name 2014-09-09-HolidayGiftMailer. Чтобы найти эту модель, выберите Name для FilterVariable и любую из следующих строк для Prefix:
- 2014-09
- 2014-09-09
- 2014-09-09-Holiday
--sort-order (строка)
Двухзначный параметр, определяющий порядок результирующего списка моделей.
-
asc— упорядочивает список в порядке возрастания (А-Я, 0-9). -
dsc— упорядочивает список в порядке убывания (Я-А, 9-0).
Сортировка происходит по полю FilterVariable.
Возможные значения:
ascdsc
--cli-input-json | --cli-input-yaml (строка) Считывает аргументы из предоставленной строки JSON. Строка JSON следует формату, предоставленному в --generate-cli-skeleton. Если на командной строке предоставляются другие аргументы, эти значения переопределяют значения, полученные из JSON. Невозможно передавать произвольные двоичные значения с помощью предоставленного JSON, так как строка будет воспринята буквально. Это не может быть указано вместе с --cli-input-yaml.
--starting-token (строка)
Токен, указывающий, где начать постраничную обработку. Это NextToken из ранее обрезанного ответа.
Примеры использования см. в разделе «Постраничная обработка» в Руководстве пользователя командной строки AWS.
--page-size (целое число)
Размер каждой страницы для получения в вызове AWS-сервиса. Это не влияет на количество элементов, возвращаемых в выводе команды. Установка меньшего размера страницы приводит к большему количеству вызовов AWS-сервиса, получая меньше элементов в каждом вызове. Это может помочь предотвратить истечение времени ожидания вызовов AWS-сервиса.
Примеры использования см. в разделе «Постраничная обработка» в Руководстве пользователя командной строки AWS.
--max-items (целое число)
Общее количество элементов для возврата в выводе команды. Если общее количество доступных элементов больше указанного значения, в выводе команды предоставляется NextToken. Для возобновления постраничной обработки укажите значение NextToken в аргументе starting-token последующей команды. Не используйте элемент ответа NextToken напрямую вне AWS CLI.
Примеры использования см. в разделе «Постраничная обработка» в Руководстве пользователя командной строки AWS.
--generate-cli-skeleton (строка) Выводит JSON-скелет в стандартный вывод без отправки запроса API. При отсутствии значения или значении input выводит пример JSON-ввода, который можно использовать в качестве аргумента для --cli-input-json. Аналогично, если указано yaml-input, выведет пример YAML-ввода, который можно использовать с --cli-input-yaml. При указании значения output валидирует входные данные команды и возвращает пример JSON-вывода для этой команды. Сгенерированный JSON-скелет нестабилен между версиями AWS CLI, и нет гарантий обратной совместимости в сгенерированном JSON-скелете.
Глобальные параметры
--debug (булево)
Включить отладочную запись в журнал.
--endpoint-url (строка)
Переопределить URL по умолчанию команды указанным URL.
--no-verify-ssl (булево)
По умолчанию AWS CLI использует SSL при общении с AWS-сервисами. Для каждого SSL-соединения AWS CLI проверит SSL-сертификаты. Этот параметр переопределяет поведение проверки SSL-сертификатов по умолчанию.
--no-paginate (булево)
Отключить автоматическую постраничную обработку. Если автоматическая постраничная обработка отключена, AWS CLI выполнит только один вызов для первой страницы результатов.
--output (строка)
Стиль форматирования вывода команды.
- json
- text
- table
- yaml
- yaml-stream
--query (строка)
Запрос JMESPath для фильтрации данных ответа.
--profile (строка)
Использовать определенный профиль из файла аутентификации.
--region (строка)
Регион для использования. Переопределяет настройки конфигурации/среды.
--version (строка)
Отобразить версию этого инструмента.
--color (строка)
Включить/выключить цветной вывод.
- on
- off
- auto
--no-sign-request (булево)
Не подписывать запросы. Кредиты не будут загружены, если этот аргумент указан.
--ca-bundle (строка)
Набор сертификатов CA для использования при проверке SSL-сертификатов. Переопределяет настройки конфигурации/среды.
--cli-read-timeout (целое число)
Максимальное время чтения сокета в секундах. Если значение равно 0, чтение сокета будет выполняться блокирующим образом без таймаута. Значение по умолчанию — 60 секунд.
--cli-connect-timeout (целое число)
Максимальное время подключения сокета в секундах. Если значение равно 0, подключение сокета будет выполняться блокирующим образом без таймаута. Значение по умолчанию — 60 секунд.
--cli-binary-format (строка)
Стиль форматирования для двоичных блоков. Формат по умолчанию — base64. Формат base64 ожидает, что двоичные блоки будут предоставлены в виде закодированной в base64 строки. Формат raw-in-base64-out сохраняет совместимость с поведением AWS CLI V1, и двоичные значения должны передаваться буквально. При предоставлении содержимого из файла, которое отображается в двоичном блоке, fileb:// всегда будет обрабатываться как двоичное и будет использовать содержимое файла непосредственно независимо от параметра cli-binary-format. При использовании file:// содержимое файла должно быть должным образом отформатировано для настроенного формата cli-binary-format.
- base64
- raw-in-base64-out
--no-cli-pager (булево)
Отключить постраничный вывод cli.
--cli-auto-prompt (булево)
Автоматически запрашивать параметры ввода CLI.
--no-cli-auto-prompt (булево)
Отключить автоматическое запроса параметров ввода CLI.
Вывод
Результаты -> (список)
Список MLModel, соответствующих поисковым критериям.
(структура)
Представляет вывод операции GetMLModel.
Содержание состоит из подробных метаданных и текущего статуса MLModel.
MLModelId -> (строка)
MLModel при создании.TrainingDataSourceId -> (строка)
DataSource. Операция CreateMLModel использует TrainingDataSourceId.CreatedByIamUser -> (строка)
MLModel. Тип учетной записи может быть либо корневой учетной записью AWS, либо учетной записью пользователя AWS Identity and Access Management (IAM).CreatedAt -> (метка времени)
MLModel. Время выражено в формате временной метки.LastUpdatedAt -> (метка времени)
MLModel. Время выражено в формате временной метки.Name -> (строка)
MLModel, заданное пользователем.Status -> (строка)
Текущий статус MLModel. Этот элемент может иметь одно из следующих значений:
-
PENDING— Amazon Machine Learning (Amazon ML) отправил запрос на созданиеMLModel. -
INPROGRESS— Процесс создания выполняется. -
FAILED— Запрос на созданиеMLModelне был выполнен до конца. Модель непригодна для использования. -
COMPLETED— Процесс создания успешно завершен. -
DELETED—MLModelпомечен как удаленный. Он непригоден для использования.
SizeInBytes -> (длинное целое число)
EndpointInfo -> (структура)
Текущий конечный пункт MLModel.
PeakRequestsPerSecond -> (целое число)
MLModel, измеряемая в запросах в секунду.CreatedAt -> (метка времени)
MLModel. Время выражено в формате временной метки.EndpointUrl -> (строка)
URI, указывающий, куда следует отправлять запросы прогнозирования в реальном времени для MLModel.
EndpointStatus -> (строка)
Текущий статус конечной точки реального времени для MLModel. Этот элемент может иметь одно из следующих значений:
-
NONE— Конечная точка не существует или была ранее удалена. -
READY— Конечная точка готова к использованию для прогнозирования в реальном времени. -
UPDATING— Обновление/создание конечной точки.
TrainingParameters -> (карта)
Список параметров обучения в MLModel. Список реализован в виде карты пар "ключ-значение".
Следующий — текущий набор параметров обучения:
-
sgd.maxMLModelSizeInBytes— Максимально разрешенный размер модели. В зависимости от входных данных размер модели может повлиять на ее производительность. Значение — целое число от100000до2147483648. Значение по умолчанию —33554432. -
sgd.maxPasses— Количество раз, которое процесс обучения проходит по наблюдениям для построенияMLModel. Значение — целое число от1до10000. Значение по умолчанию —10. -
sgd.shuffleType— Производит ли Amazon ML перемешивание обучающих данных. Перемешивание данных улучшает способность модели находить оптимальное решение для различных типов данных. Допустимые значения —autoиnone. Значение по умолчанию —none. -
sgd.l1RegularizationAmount— Коэффициент регуляризации L1-нормы, который контролирует переобучение данных путем наказания больших коэффициентов. Этот параметр стремится привести коэффициенты к нулю, что приводит к разреженному набору признаков. Если вы используете этот параметр, начните со значения, такого как1.0E-08. Значение — число с плавающей точкой от0доMAX_DOUBLE. Значение по умолчанию — не использовать L1-нормализацию. Этот параметр не может использоваться, когда указанL2. Используйте этот параметр с осторожностью. -
sgd.l2RegularizationAmount— Коэффициент регуляризации L2-нормы, который контролирует переобучение данных путем наказания больших коэффициентов. Это, как правило, приводит коэффициенты к небольшим ненулевым значениям. Если вы используете этот параметр, начните со значения, такого как1.0E-08. Значение — число с плавающей точкой от0доMAX_DOUBLE. Значение по умолчанию — не использовать L2-нормализацию. Этот параметр не может использоваться, когда указанL1. Используйте этот параметр с осторожностью.
ключ -> (строка)
значение -> (строка)
InputDataLocationS3 -> (строка)
Algorithm -> (строка)
Алгоритм, используемый для обучения MLModel. Поддерживается следующий алгоритм:
-
SGD— Стохастический градиентный спуск. ЦельSGD— минимизировать градиент функции потерь.
MLModelType -> (строка)
Идентифицирует категорию MLModel. Доступные типы:
-
REGRESSION— Возвращает числовой результат. Например, «Какая цена должна быть установлена для дома?» -
BINARY— Возвращает один из двух возможных результатов. Например, «Это веб-сайт, подходящий для детей?» -
MULTICLASS— Возвращает один из нескольких возможных результатов. Например, «Это торговля с высоким, низким или средним риском?»
ScoreThreshold -> (вещественное число)
ScoreThresholdLastUpdatedAt -> (метка времени)
ScoreThreshold. Время выражено в формате временной метки.Message -> (строка)
MLModel.ComputeTime -> (длинное целое число)
FinishedAt -> (метка времени)
StartedAt -> (метка времени)
NextToken -> (строка)
© Copyright 2025, Amazon Web Services. Created using Sphinx.