Quels sont les prérequis absolus en termes de tables mémoire (CAS Tables) pour réussir l'export de votre architecture neuronale ?

Architecture de l'Export DL en CAS

Pour exécuter cette action avec succès dans le moteur distribué CAS Cloud Analytic ServicesMoteur d'exécution in-memory de SAS Viya. Il assure le traitement massivement parallèle (MPP) et distribué des données pour optimiser les performances analytiques et le passage à l'échelle., vous devez obligatoirement fournir deux éléments clés fondamentaux :

  • Le paramètre modelTable qui référence la table en mémoireGemini said
    Espace de stockage temporaire (RAM) utilisé par le moteur CAS pour charger et traiter les données à haute vitesse, minimisant les accès disque pour optimiser les performances de SAS Viya.
    définissant l'architecture exacte de votre modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting). (la topologie des couches, les hyperparamètres et les connexions).
  • Le paramètre initWeights qui pointe vers la table contenant les poids optimisés issus de votre phase d'apprentissage itérative.

Sans la combinaison de ces deux composants de base, la génération de la représentation analytique échouera irrémédiablement.

Exemples pour l'action dlExportModel

Export standard d'un modèle

Cet exemple prend un modèle préalablement construit et entraîné, et l'exporte en ASTORE pour le déploiement ou l'inférence.

Export d'un modèle d'analyse d'images avec data augmentation

On exporte un réseau de neurones convolutif (CNN) en lui incluant des directives de mutation et de recadrage aléatoire. C'est parfait pour garantir des scores plus résilients aux variations %%importOptions%%.