SAS Viya fait le pont avec la communauté Open Source en supportant nativement les formatsInstructions de présentation appliquées aux valeurs des variables pour modifier leur apparence (dates, monnaies, libellés) sans altérer la donnée stockée dans les tables SAS Viya. de modèles issus de CAFFE et KERAS via le paramètre formatType. Pour procéder au chargement, vous devez déposer votre fichier de poids (comme un fichier HDF5 pour Keras) dans un volume accessible par le contrôleur de votre environnement de données. Vous utiliserez ensuite le paramètre weightFileCaslib pour désigner la bibliothèque de données virtuelle et weightFilePath pour cibler le fichier. Les poids importés sont ensuite persistés 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. vive distribuée dans la table désignée par modelWeights. À titre d'exemple, dans l'API Python, un appel robuste pourrait ressembler à cette exécution : s.deeplearn.dlimportmodelweights(model='mon_modele_sas', modelweights={'name':'poids_finaux', 'replace':True}, weightfilepath='resnet50.h5', formattype='KERAS').
Quels sont les frameworks Open Source compatibles et comment gérer le transfert des fichiers de poids vers votre cluster ?
Orchestration Open Source & SAS Viya
Exemples pour l'action dlImportModelWeights
Importation classique de poids Keras
Ce code charge les poids stockés dans un fichier `.h5` issu de Keras dans la table CAS %%Poids_Importes%%, pour l'appliquer à l'architecture %%MonModeleKeras%%.
Importation de poids pour la reconnaissance d'images (ResNet50)
Lorsque la complexité du réseau le requiert, l'option %%dataSpecs%% permet d'indiquer à la couche d'entrée du modèle (ici `input_1`) qu'elle doit se binder correctement avec des tenseurs de type %%IMAGE%%. Idéal pour faire correspondre l'architecture Keras d'origine aux couches construites dans SAS Viya.
Conseil de l'Expert
Pour une performance optimale dans Viya 4, privilégiez l'utilisation de Persistent Volume Claims (PVC) montés sur tous les nœuds du cluster CAS. Cela garantit que chaque worker peut accéder aux fichiers de poids de manière consistante, évitant ainsi les échecs de chargement lors de sessions distribuées à grande échelle.
Cette réponse vous a-t-elle aidé ?
À lire aussi...
Pourquoi importer des poids de modèles externes dans SAS Viya et quel est l'impact sur vos projets d'Intelligence Artificielle ?
Votre infrastructure matérielle nécessite-t-elle absolument des GPU pour exécuter l'importation de ces matrices analytiques ?
Comment l'action dlImportModelWeights fait-elle le lien critique entre l'architecture réseau SAS et les poids externes importés ?
Quelle est la meilleure pratique pour gérer le dictionnaire des étiquettes métiers lors du chargement d'un modèle de classification ?