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
Библиотека | Типы | Формат данных |
---|---|---|
CatBoost |
CatBoostRegressor |
cbm |
CatBoost |
Pool |
quantized pool |
Tensorflow.Keras |
Sequential |
tf_keras |
Tensorflow |
Checkpoint |
tf_pure |
LightGBM |
LGBMClassifier |
lgbm |
XGBoost |
XGBClassifier |
xgb |
Torch |
Module |
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
, например18 июля 2023 г., 14:23
.
Чтобы посмотреть подробную информацию о модели, нажмите на ее название в списке моделей проекта.