Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Benutzerdefinierte Modelle in Neptune ML
Anmerkung
Die Unterstützung benutzerdefinierter Neptune ML-Modelle basiert auf einer älteren Version von Python 3. Um benutzerdefinierte GNN-Modelle mit up-to-date Abhängigkeiten zu erstellen und auszuführen, verwenden Sie on. GraphStorm SageMaker
Induktive Inferenz in Echtzeit wird zurzeit für benutzerdefinierte Modelle nicht unterstützt.
In Neptune ML können Sie mithilfe von Python Ihre eigenen benutzerdefinierten Modellimplementierungen definieren. Sie können in der Neptune-ML-Infrastruktur benutzerdefinierte Modelle wie die integrierten Modelle trainieren, bereitstellen und verwenden, um mittels Diagrammabfragen Vorhersagen zu erhalten.
Sie können mit der Implementierung eines eigenen benutzerdefinierten Modells in Python beginnen, indem Sie den Beispielen im Neptune-ML-Toolkit-Beispielen
Inhalt
