Toute la personnalisation s'effectue via le bloc de paramètres code. Pour l'automatisation, il est recommandé d'utiliser le sous-paramètre casOut afin de diriger la sortie vers une table 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.. Par exemple, l'utilisation de code={casOut={name="score_code_prod", replace=true}, comment=true} permet non seulement d'écraser la table précédente mais aussi d'inclure des commentaires explicatifs. Vous pouvez également affiner la présentation physique du code généré en ajustant indentSize et lineSize pour correspondre aux normes de codage de votre équipe.
Quelles sont les meilleures pratiques pour formater et sauvegarder le code généré afin de l'intégrer à mes pipelines de données ?
Exemples pour l'action dnnCode
Génération de code de base
Génère un simple code DATA step pour un modèle existant et sauvegarde les instructions textuelles dans une nouvelle table CAS.
Génération avancée avec formatage pour les humains
Génération de code avec inclusion de commentaires explicatifs, paramétrage fin de l'indentation, et définition d'un ID de modèle spécifique pour une meilleure traçabilité.
Cette réponse vous a-t-elle aidé ?
À lire aussi...
Quels sont les paramètres incontournables pour garantir la génération du code de scoring ?
Puis-je isoler une version spécifique de mon modèle directement lors de l'appel à dnnCode ?
Existe-t-il des leviers pour optimiser l'empreinte mémoire lors de la génération du code sur de très gros modèles ?
Comment anticiper les problèmes de compatibilité des noms de variables lors de l'exportation du code ?
Comment l'action dnnCode transforme-t-elle mes modèles de Deep Learning en valeur actionnable en production ?