L'action `buildModel` est le point de départ fondamental pour construire une architecture de réseau de neurones en SAS Viya. Elle ne construit pas le modèle à proprement parler, mais crée une table CAS vide, une sorte de 'conteneur', spécialement structurée pour accueillir les différentes couches (layers) qui composeront le réseau. C'est la première étape indispensable avant d'utiliser l'action `addLayer` pour définir l'architecture du modèle (DNN, CNN, ou RNN).
| Parámetro | Descripción |
|---|---|
| modelTable | Paramètre obligatoire qui définit la table CAS de sortie où le modèle vide sera stocké. Cette table contiendra la définition et la structure du modèle au fur et à mesure que des couches y seront ajoutées. |
| nThreads | Optionnel. Spécifie le nombre de threads (processus) à utiliser pour l'exécution de l'action. Une valeur plus élevée peut améliorer les performances sur des serveurs multi-cœurs, mais dépend de la configuration du serveur CAS. Si non spécifié, SAS Viya utilise une valeur optimale par défaut. |
| type | Spécifie le type fondamental de réseau de neurones à construire. La valeur par défaut est 'DNN'. 'CNN' est pour les réseaux de neurones convolutifs (typiquement pour l'image) et 'RNN' pour les réseaux de neurones récurrents (pour les données séquentielles comme le texte ou les séries temporelles). |
L'action `buildModel` n'analyse aucune donnée d'entrée. Son unique but est de créer une table CAS de sortie qui servira de structure pour le modèle. Les exemples ci-dessous peuvent donc être exécutés sans table préexistante.
1 /* Aucune création de table n'est nécessaire pour cette action. */
Cet exemple montre la syntaxe la plus simple pour créer un modèle. En l'absence du paramètre 'type', un modèle de type DNN (Deep Neural Network) est créé par défaut. La table 'mon_modele_simple' sera créée dans la caslib 'casuser'.
| 1 | PROC CAS; |
| 2 | DEEPLEARN.buildModel / |
| 3 | modelTable={name='mon_modele_simple', replace=true}; |
| 4 | RUN; |
| 5 | QUIT; |
Cet exemple crée un modèle spécifiquement de type 'CNN' (Convolutional Neural Network), idéal pour les tâches de vision par ordinateur. Il spécifie également l'utilisation de 4 threads pour l'opération et ajoute une étiquette descriptive à la table modèle.
| 1 | PROC CAS; |
| 2 | DEEPLEARN.buildModel / |
| 3 | type='CNN' |
| 4 | nThreads=4 |
| 5 | modelTable={name='mon_modele_cnn', caslib='casuser', replace=true, label='Mon premier modèle CNN'}; |
| 6 | RUN; |
| 7 | QUIT; |
Cet exemple montre comment initialiser un modèle de type 'RNN' (Recurrent Neural Network), qui est la base pour traiter des données séquentielles. Toutes les autres options sont laissées par défaut pour se concentrer sur le changement de type.
| 1 | PROC CAS; |
| 2 | DEEPLEARN.buildModel / |
| 3 | type='RNN' |
| 4 | modelTable={name='mon_modele_rnn', replace=true}; |
| 5 | RUN; |
| 6 | QUIT; |