Модели
Во время работы в Yandex DataSphere в памяти ВМ сохраняется состояние интерпретатора и результаты вычислений или обучения. Вы можете сохранить эти вычисления в отдельный ресурс модель.
В DataSphere доступно два типа моделей:
- модели, обученные в проектах;
- дообученные по методу Fine-tuning фундаментальные модели.
После создания модель доступна для проекта. Как и любой другой ресурс, модель можно опубликовать в сообществе, чтобы использовать ее в других проектах. Для этого вам минимально необходимы роли Editor в проекте и Developer в сообществе, в котором вы хотите ее опубликовать. Открыть доступ можно на вкладке Доступ на странице просмотра модели. Ресурс, доступный для сообщества, появится на странице сообщества в разделе Ресурсы сообщества.
Поддерживаемые типы переменных
Вы можете создать модель на основе разных типов библиотек, поддерживаемых библиотекой serialzy. Список поддерживаемых типов данных и переменных представлен в таблице ниже.
| Библиотека | Типы | Формат данных |
|---|---|---|
| CatBoost | CatBoostRegressor, CatBoostClassifier, CatBoostRanker | cbm |
| CatBoost | Pool | quantized pool |
| Tensorflow.Keras | Sequential, Model with subclasses | tf_keras |
| Tensorflow | Checkpoint, Module with subclasses | tf_pure |
| LightGBM | LGBMClassifier, LGBMRegressor, LGBMRanker | lgbm |
| XGBoost | XGBClassifier, XGBRegressor, XGBRanker | xgb |
| Torch | Module with subclasses | pt |
| ONNX | ModelProto | onnx |
Информация о модели как ресурсе
Вся информация о созданных в проекте моделях доступна в разделе Ресурсы и в правом боковом меню JupyterLab на вкладке Модели.
О каждой модели хранится следующая информация:
- имя;
- имя ноутбука, в котором модель была создана;
- имя переменной, из которой модель была создана;
- размер модели в байтах;
- имя пользователя, создавшего модель;
- дата создания датасета в формате в UTC, например
18 июля 2023 г., 14:23.
Чтобы посмотреть подробную информацию о модели, нажмите на ее название в списке моделей проекта.