get-ml-model

Описание

Возвращает MLModel, который включает подробные метаданные, информацию о источнике данных и текущий статус MLModel.

GetMLModel предоставляет результаты в обычном или подробном формате.

См. также: Документацию API AWS

Синтаксис

  get-ml-model
--ml-model-id <value>
[--verbose | --no-verbose]
[--cli-input-json | --cli-input-yaml]
[--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

--ml-model-id (строка)

Идентификатор, присвоенный MLModel при создании.

--verbose | --no-verbose (логическое значение)

Указывает, должен ли GetMLModel возвращать Recipe.

Если true, то возвращается Recipe.

Если false, то Recipe не возвращается.

--cli-input-json | --cli-input-yaml (строка) Читает аргументы из предоставленной JSON-строки. JSON-строка соответствует формату, предоставленному --generate-cli-skeleton. Если другие аргументы предоставлены в командной строке, эти значения переопределят значения, предоставленные в JSON. Невозможно передавать произвольные двоичные данные с помощью значения, предоставленного в JSON, так как строка будет взята буквально. Это не может быть указано вместе с --cli-input-yaml.

--generate-cli-skeleton (строка) Выводит JSON-скелет в стандартный вывод без отправки запроса API. Если предоставлено без значения или со значением input, выводит пример JSON-ввода, который можно использовать в качестве аргумента для --cli-input-json. Аналогично, если предоставлено yaml-input, это будет выводить пример YAML-ввода, который можно использовать с --cli-input-yaml. Если предоставлено со значением output, оно валидирует входные данные команды и возвращает JSON-пример выходных данных для этой команды. Сгенерированный JSON-скелет не является стабильным между версиями AWS CLI, и нет гарантий обратной совместимости в генерируемом JSON-скелете.

Глобальные параметры

--debug (логическое значение)

Включает отладовую запись в журнал.

--endpoint-url (строка)

Переопределяет URL по умолчанию команды заданным URL.

--no-verify-ssl (логическое значение)

По умолчанию AWS CLI использует SSL при общении с AWS-сервисами. Для каждого соединения SSL AWS CLI будет проверять сертификаты SSL. Этот параметр переопределяет поведение проверки сертификатов SSL по умолчанию.

--no-paginate (логическое значение)

Отключить автоматическую постраничность. Если автоматическая постраничность отключена, AWS CLI сделает только один вызов для первой страницы результатов.

--output (строка)

Стиль форматирования выходных данных команды.

json
text
table
yaml
yaml-stream

--query (строка)

Запрос JMESPath для фильтрации данных ответа.

--profile (строка)

Использовать определенный профиль из файла учетных данных.

--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 (логическое значение)

Не подписывать запросы. Учетные данные не будут загружаться, если этот аргумент предоставлен.

--ca-bundle (строка)

Файл с набором сертификатов CA для использования при проверке сертификатов SSL. Переопределяет настройки конфигурации/среды.

--cli-read-timeout (целое число)

Максимальное время чтения сокета в секундах. Если значение установлено в 0, чтение сокета будет блокирующим и не будет иметь таймаута. Значение по умолчанию составляет 60 секунд.

--cli-connect-timeout (целое число)

Максимальное время подключения сокета в секундах. Если значение установлено в 0, подключение сокета будет блокирующим и не будет иметь таймаута. Значение по умолчанию составляет 60 секунд.

--cli-binary-format (строка)

Стиль форматирования, используемый для двоичных блоков. Формат по умолчанию — base64. Формат base64 ожидает, что двоичные блоки будут предоставлены как base64-кодированная строка. Формат raw-in-base64-out сохраняет совместимость с поведением AWS CLI V1, и двоичные значения должны передаваться буквально. При предоставлении содержимого из файла, соответствующего двоичному блоку, fileb:// всегда будет рассматриваться как двоичный и использовать содержимое файла напрямую независимо от настройки cli-binary-format. При использовании file:// содержимое файла должно быть должным образом отформатировано для настроенного cli-binary-format.

base64
raw-in-base64-out

--no-cli-pager (логическое значение)

Отключить пейджер cli для вывода.

--cli-auto-prompt (логическое значение)

Автоматически запрашивать параметры ввода CLI.

--no-cli-auto-prompt (логическое значение)

Отключить автоматическое запросы параметров ввода CLI.

Вывод

MLModelId -> (строка)

Идентификатор MLModel, совпадающий с MLModelId в запросе.

TrainingDataSourceId -> (строка)

Идентификатор набора данных обучения DataSource.

CreatedByIamUser -> (строка)

AWS-аккаунт пользователя, с которого был создан MLModel. Тип аккаунта может быть корневым AWS аккаунтом или аккаунтом пользователя AWS Identity and Access Management (IAM).

CreatedAt -> (временная метка)

Время создания MLModel. Время выражено в формате временной метки.

LastUpdatedAt -> (временная метка)

Время последнего изменения MLModel. Время выражено в формате временной метки.

Name -> (строка)

Предоставленное пользователем имя или описание MLModel.

Status -> (строка)

Текущий статус MLModel. Этот элемент может принимать следующие значения:

PENDING - Amazon Machine Learning (Amazon ML) направил запрос на описание MLModel.
INPROGRESS - Запрос обрабатывается.
FAILED - Запрос не был завершен. Модель ML непригодна для использования.
COMPLETED - Запрос успешно завершен.
DELETED - MLModel помечен как удалённый. Не пригоден для использования.

SizeInBytes -> (целое число)

Целое число типа long (64-битное знаковое число).

EndpointInfo -> (структура)

Текущий адрес конечной точки MLModel

PeakRequestsPerSecond -> (целое число)

Максимальная скорость обработки для реальной конечной точки для MLModel, измеряемая в запросах в секунду.

CreatedAt -> (временная метка)

Время получения запроса на создание реальной конечной точки для MLModel. Время выражено в формате временной метки.

EndpointUrl -> (строка)

URI, указывающий, куда отправлять запросы для прогнозирования в реальном времени для MLModel.

Примечание: Приложение должно подождать, пока конечная точка в реальном времени будет готова, прежде чем использовать этот URI.

EndpointStatus -> (строка)

Текущий статус реальной конечной точки для MLModel. Этот элемент может принимать следующие значения:

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 -> (массив)

Список параметров обучения в MLModel. Список реализован как массив пар «ключ-значение».

Вот текущий набор параметров обучения:

sgd.maxMLModelSizeInBytes - Максимально допустимый размер модели. В зависимости от входных данных, размер модели может повлиять на ее производительность. Значение является целым числом в диапазоне от 100000 до 2147483648. Значение по умолчанию - 33554432.
sgd.maxPasses - Количество проходов обучения по наблюдениям для построения MLModel. Значение является целым числом в диапазоне от 1 до 10000. Значение по умолчанию - 10.
sgd.shuffleType - Перемешивает ли Amazon ML обучающие данные. Перемешивание данных улучшает способность модели находить оптимальное решение для различных типов данных. Допустимые значения - auto и none. Значение по умолчанию - none. Настоятельно рекомендуется перемешивать ваши данные.
sgd.l1RegularizationAmount - Коэффициент регуляризации L1. Он контролирует переобучение данных, накладывая штраф на большие коэффициенты. Это стремится привести коэффициенты к нулю, в результате чего получается набор признаков с разреженностью. Если вы используете этот параметр, начните со значения, например, 1.0E-08. Значение - это двойное значение, находящееся в диапазоне от 0 до MAX_DOUBLE. По умолчанию нормализация L1 не используется. Этот параметр нельзя использовать, когда указано L2. Используйте этот параметр с осторожностью.
sgd.l2RegularizationAmount - Коэффициент регуляризации L2. Он контролирует переобучение данных, накладывая штраф на большие коэффициенты. Это стремится привести коэффициенты к небольшим, ненулевым значениям. Если вы используете этот параметр, начните со значения, например, 1.0E-08. Значение - это двойное значение, находящееся в диапазоне от 0 до MAX_DOUBLE. По умолчанию нормализация L2 не используется. Этот параметр нельзя использовать, когда указано L1. Используйте этот параметр с осторожностью.

key -> (строка)

Строковый тип.

value -> (строка)

Строковый тип.

InputDataLocationS3 -> (строка)

Расположение файла или каталога данных в Amazon Simple Storage Service (Amazon S3).

MLModelType -> (строка)

Идентифицирует категорию MLModel. Доступные типы:

REGRESSION – Создает числовой результат. Например, «Какую цену следует установить на дом?»
BINARY – Создает один из двух возможных результатов. Например, «Это веб-сайт электронной коммерции?»
MULTICLASS – Создает один из нескольких возможных результатов. Например, «Это торговля с HIGH, LOW или MEDIUM риском?»

ScoreThreshold -> (вещественное число)

Пороговое значение оценки используется в бинарных классификационных MLModel моделях. Оно определяет границу между положительным и отрицательным прогнозом.

Значения вывода, равные или большие порога, получают положительный результат от MLModel, например true. Значения вывода, меньшие порога, получают отрицательный ответ от MLModel, например false.

ScoreThresholdLastUpdatedAt -> (временная метка)

Время последнего изменения ScoreThreshold. Время выражено в формате временной метки.

LogUri -> (строка)

Ссылка на файл, содержащий журналы операции CreateMLModel.

Message -> (строка)

Описание последних деталей доступа к MLModel.

ComputeTime -> (целое число)

Приблизительное время работы ЦП в миллисекундах, затраченное Amazon Machine Learning на обработку MLModel, нормированное и масштабированное на вычислительные ресурсы. ComputeTime доступно только если MLModel находится в состоянии COMPLETED.

FinishedAt -> (временная метка)

Временная метка, когда Amazon Machine Learning пометил MLModel как COMPLETED или FAILED. FinishedAt доступно только если MLModel находится в состоянии COMPLETED или FAILED.

StartedAt -> (временная метка)

Временная метка, когда Amazon Machine Learning пометил MLModel как INPROGRESS. StartedAt недоступно, если MLModel находится в состоянии PENDING.

Recipe -> (строка)

Рецепт для обучения MLModel. Recipe предоставляет подробную информацию о данных наблюдений, которые следует использовать во время обучения, и манипуляции, которые следует выполнить над данными наблюдений во время обучения.

Примечание: Этот параметр предоставляется в формате verbose.

Schema -> (строка)

Схема, используемая во всех файлах данных, на которые ссылается DataSource.

Примечание: Этот параметр предоставляется в формате verbose.