MLP（Multilayer Perceptron，多層感知器）回歸是一種基于神經網絡的回歸算法，主要用于解決非線性回歸問題。它通過多個隱藏層將輸入特征映射到輸出，能夠捕捉復雜的模式和關系。MLP回歸算法在推理階段的主要任務是使用訓練好的模型對新數據進行預測。這一過程包括加載模型、預處理新數據、通過前向傳播計算、獲取最終預測結果。
支持的計算資源
輸入/輸出
輸入樁
輸入樁包含輸入數據和輸入模型：
輸入數據
通過讀OSS數據組件，讀取OSS路徑下的推理數據文件。
配置此算法參數推理數據OSS路徑，選擇推理數據文件。
輸入模型
通過讀OSS數據組件，讀取OSS路徑下的模型文件。
通過MLP回歸算法（訓練）組件，讀取該算法生成的模型文件。
輸出樁
推理生成的*.csv格式的結果文件，保存地址對應算法參數保存結果的OSS文件路徑。
關于參數詳細說明，請參見下文中的參數說明。
配置組件
在Designer工作流頁面添加MLP回歸算法（推理）組件，并在界面右側配置相關參數：
參數類型 | 參數 | 是否必選 | 描述 | 默認值 | |
字段設置 | 推理數據OSS路徑 | 否 | 若無上游OSS數據傳入，需手動選擇推理數據文件，示例：test_features.csv（格式要求：CSV格式的數值特征文件，無表頭，每一列均為特征）。 | 無 | |
保存結果的OSS文件路徑 | 是 | 保存結果的OSS文件路徑（CSV格式的文件路徑）。 您可以選擇OSS路徑，然后拼接自定義的CSV格式文件名。 | 無 | ||
預訓練的模型路徑 | 否 | 預訓練的模型路徑，若不填，則不加載預訓練模型。 | 無 | ||
參數設置 | MLP網絡層數 | 是 | MLP的層數（除輸出層外）。 | 3 | |
隱藏層的大小 | 是 | 每個隱藏層的輸出通道數，用半角逗號（,）隔開。若輸入單一數字，則表示所有隱藏層的輸出通道數。 | 64,32,16 | ||
每個Dropout層的丟棄比例 | 是 | 每個Dropout層的丟棄比例，用半角逗號（,）隔開。若輸入單一數字，則表示所有Dropout層的丟棄比例。 | 0.5 | ||
執行調優 | 選擇資源組 | 公共資源組 | 否 | 選擇節點規格（CPU或GPU實例規格）、專有網絡。 | 無 |
專有資源組 | 否 | 選擇CPU核數、內存、共享內存、GPU卡數。 | 無 | ||
最大運行時長 | 否 | 組件最大運行時長，超過這個時間，作業會被終止。 | 無 | ||