MLP（Multilayer Perceptron，多层感知器）回归是一种基于神经网络的回归算法，主要用于解决非线性回归问题。它通过多个隐藏层将输入特征映射到输出，能够捕捉复杂的模式和关系。MLP回归算法在推理阶段的主要任务是使用训练好的模型对新数据进行预测。这一过程包括加载模型、预处理新数据、通过前向传播计算、获取最终预测结果。
支持的计算资源
输入/输出
输入桩
输入桩包含输入数据和输入模型：
输入数据
通过读OSS数据组件，读取OSS路径下的推理数据文件。
配置此算法参数推理数据OSS路径，选择推理数据文件。
输入模型
通过读OSS数据组件，读取OSS路径下的模型文件。
通过MLP回归算法（训练）组件，读取该算法生成的模型文件。
输出桩
推理生成的*.csv格式的结果文件，保存地址对应算法参数保存结果的OSS文件路径。
关于参数详细说明，请参见下文中的参数说明。
配置组件
在Designer工作流页面添加MLP回归算法（推理）组件，并在界面右侧配置相关参数：
参数类型 | 参数 | 是否必选 | 描述 | 默认值 | |
字段设置 | 推理数据OSS路径 | 否 | 若无上游OSS数据传入，需手动选择推理数据文件，示例：test_features.csv（格式要求：CSV格式的数值特征文件，无表头，每一列均为特征）。 | 无 | |
保存结果的OSS文件路径 | 是 | 保存结果的OSS文件路径（CSV格式的文件路径）。 您可以选择OSS路径，然后拼接自定义的CSV格式文件名。 | 无 | ||
预训练的模型路径 | 否 | 预训练的模型路径，若不填，则不加载预训练模型。 | 无 | ||
参数设置 | MLP网络层数 | 是 | MLP的层数（除输出层外）。 | 3 | |
隐藏层的大小 | 是 | 每个隐藏层的输出通道数，用半角逗号（,）隔开。若输入单一数字，则表示所有隐藏层的输出通道数。 | 64,32,16 | ||
每个Dropout层的丢弃比例 | 是 | 每个Dropout层的丢弃比例，用半角逗号（,）隔开。若输入单一数字，则表示所有Dropout层的丢弃比例。 | 0.5 | ||
执行调优 | 选择资源组 | 公共资源组 | 否 | 选择节点规格（CPU或GPU实例规格）、专有网络。 | 无 |
专有资源组 | 否 | 选择CPU核数、内存、共享内存、GPU卡数。 | 无 | ||
最大运行时长 | 否 | 组件最大运行时长，超过这个时间，作业会被终止。 | 无 | ||