Model Studio 학습 구성

구성 버전은 학습기, 연산 자원과 입력 및 출력 구성을 묶습니다. name, trainerId, resources, workerConfig는 필수이고 changelog는 선택입니다. name은 구성 버전과 실험에 사용할 이름입니다.

입력과 출력 연결

workerConfig.inputs의 키는 학습기가 선언한 InputAlias이고 출력 맵의 키는 OutputAlias입니다. 이 맵들은 스키마에서 선택 필드지만 학습기가 요구하는 입력과 출력 별칭은 채워야 합니다. 학습기 명세를 먼저 확인합니다.

이 API의 입력 분기는 dataset입니다. 데이터셋 RID를 지정하고 columnMapping으로 학습기의 열 유형 명세 ID를 실제 열 이름 목록에 연결합니다. selectColumns가 비어 있으면 ignoreColumns에 없는 모든 열을 사용합니다.

출력 분기는 model이며 출력 모델 RID를 제공합니다. 출력 리소스는 Model Studio와 같은 프로젝트에 있어야 하며 존재하지 않거나 휴지통에 있는 리소스는 사용할 수 없습니다.

workerConfig 필드

입력, 출력과 사용자 설정을 포함하는 작업 구성입니다.

inputs의 구조

맵의 키는 InputAlias(string), 값은 ModelStudioInput(union<dataset>)입니다.

키: Model Studio 구성의 입력 식별에 사용하는 문자열 별칭입니다.

Model Studio 구성의 입력 명세입니다.

분기 dataset

데이터셋 입력 구성입니다.

columnMapping의 구조

맵의 키는 ColumnTypeSpecId(string), 값은 array(list<ColumnName>)입니다.

키: 열 유형 명세의 식별자입니다.

배열 항목은 ColumnName이며 자료형은 string입니다.

데이터셋 열 이름입니다.

ignoreColumns의 구조

배열 항목은 ColumnName이며 자료형은 string입니다.

데이터셋 열 이름입니다.

selectColumns의 구조

배열 항목은 ColumnName이며 자료형은 string입니다.

데이터셋 열 이름입니다.

outputs의 구조

맵의 키는 OutputAlias(string), 값은 ModelStudioOutput(union<model>)입니다.

키: Model Studio 구성의 출력 식별에 사용하는 문자열 별칭입니다.

Model Studio 구성의 출력 명세입니다.

분기 model

모델 출력 구성입니다.

연산 자원

학습 구성의 resources.cpu와 resources.memory는 문자열입니다. 예를 들어 CPU는 "2", 메모리는 "4G"로 지정합니다. GPU는 선택적인 유형 값이며 프로젝트의 자원 큐에서 사용할 수 있어야 합니다.

학습 실행에 할당할 연산 자원입니다.

구성 예시

숫자형 target 열을 학습기의 target_column 명세에 연결하는 예제입니다. 학습기와 입력 데이터셋을 실제 대상에 맞게 지정하고 출력 모델은 Model Studio와 같은 프로젝트에서 선택합니다. CPU와 메모리도 학습에 필요한 자원량으로 지정합니다.

{
  "name": "Initial configuration",
  "resources": {
    "memory": "4G",
    "cpu": "2"
  },
  "workerConfig": {
    "outputs": {
      "model": {
        "type": "model",
        "modelRid": "ri.models.main.model.a1b2c3d4-e5f6-7890-abcd-ef1234567890"
      }
    },
    "inputs": {
      "input_df": {
        "type": "dataset",
        "rid": "ri.foundry.main.dataset.a1b2c3d4-e5f6-7890-abcd-ef1234567890",
        "columnMapping": {
          "target_column": [
            "target"
          ]
        },
        "ignoreColumns": [],
        "selectColumns": []
      }
    }
  },
  "trainerId": "ri.models..trainer.autogluon_tabular_regression"
}

customConfig에는 해당 학습기의 customConfigSchema에 맞는 설정을 제공합니다. 검증 오류는 누락한 입력, 열 매핑, 자원 형식과 출력 리소스 문제를 구분합니다.

구성을 만들 때는 trainerId를 전달하며 저장된 구성의 trainer.version에서 실제 사용한 학습기 버전을 확인합니다. 학습기 버전 문자열과 구성의 정수 버전 번호는 서로 다른 값입니다.