Wanneer CMLE gebruik word, vereis die skep van 'n weergawe dat 'n bron van 'n uitgevoerde model gespesifiseer word?
Wanneer CMLE (Cloud Machine Learning Engine) gebruik word om 'n weergawe te skep, is dit nodig om 'n bron van 'n uitgevoerde model te spesifiseer. Hierdie vereiste is belangrik om verskeie redes, wat breedvoerig in hierdie antwoord verduidelik sal word.
Eerstens, laat ons verstaan wat bedoel word met "uitgevoerde model." In die konteks van CMLE verwys 'n uitgevoerde model na 'n opgeleide masjienleermodel wat gestoor of uitgevoer is in 'n formaat wat vir voorspelling gebruik kan word. Hierdie uitgevoerde model kan in verskeie formate gestoor word, soos TensorFlow SavedModel, TensorFlow Lite, of selfs 'n pasgemaakte formaat.
Nou, hoekom is dit nodig om 'n bron van 'n uitgevoerde model te spesifiseer wanneer 'n weergawe in CMLE geskep word? Die rede lê in die werkvloei van CMLE en die behoefte om die nodige hulpbronne te verskaf om die model te bedien. Wanneer 'n weergawe geskep word, moet CMLE weet waar die uitgevoerde model geleë is sodat dit ontplooi en beskikbaar gestel kan word vir voorspelling.
Deur die bron van die uitgevoerde model te spesifiseer, kan CMLE die model doeltreffend herwin en dit in die bedienende infrastruktuur laai. Dit laat die model toe om gereed te wees vir voorspellingsversoeke van kliënte. Sonder om die bron te spesifiseer, sal CMLE nie weet waar om die model te vind nie en sal nie voorspellings kan dien nie.
Boonop stel die spesifikasie van die bron van die uitgevoerde model CMLE in staat om weergawes effektief te hanteer. In masjienleer is dit algemeen om modelle op te lei en te herhaal, en dit mettertyd te verbeter. Met CMLE kan u verskeie weergawes van 'n model skep, wat elkeen 'n ander herhaling of verbetering verteenwoordig. Deur die bron van die uitgevoerde model te spesifiseer, kan CMLE tred hou met hierdie weergawes en verseker dat die korrekte model vir elke voorspellingsversoek bedien word.
Om dit te illustreer, oorweeg 'n scenario waar 'n masjienleer-ingenieur 'n model oplei wat TensorFlow gebruik en dit as 'n SavedModel uitvoer. Die ingenieur gebruik dan CMLE om 'n weergawe van die model te skep, en spesifiseer die bron as die uitgevoerde SavedModel-lêer. CMLE ontplooi die model en maak dit beskikbaar vir voorspelling. Nou, as die ingenieur later 'n verbeterde weergawe van die model oplei en dit as 'n nuwe SavedModel uitvoer, kan hulle 'n ander weergawe in CMLE skep, wat die nuwe uitgevoerde model as die bron spesifiseer. Dit laat CMLE toe om beide weergawes afsonderlik te bestuur en die toepaslike model te bedien gebaseer op die weergawe gespesifiseer in voorspellingsversoeke.
Wanneer CMLE gebruik word om 'n weergawe te skep, is die spesifiseer van 'n bron van 'n uitgevoerde model nodig om die nodige hulpbronne te verskaf om die model te bedien, doeltreffende herwinning en laai van die model moontlik te maak, en weergawes van modelle te ondersteun.
Ander onlangse vrae en antwoorde t.o.v Bevorder in masjienleer:
- Is dit moontlik om Kaggle te gebruik om finansiële data op te laai en statistiese ontleding en vooruitskatting uit te voer deur ekonometriese modelle soos R-kwadraat, ARIMA of GARCH te gebruik?
- Wanneer 'n kern met data gevurk is en die oorspronklike is privaat, kan die gevurkte een publiek wees en indien wel, is dit nie 'n privaatheidskending nie?
- Wat is die beperkings om met groot datastelle in masjienleer te werk?
- Kan masjienleer 'n bietjie dialogiese hulp verleen?
- Wat is die TensorFlow-speelgrond?
- Verhinder die gretige modus die verspreide rekenaarfunksie van TensorFlow?
- Kan Google-wolkoplossings gebruik word om rekenaars van berging te ontkoppel vir 'n meer doeltreffende opleiding van die ML-model met groot data?
- Bied die Google Cloud Machine Learning Engine (CMLE) outomatiese hulpbronverkryging en -konfigurasie en hanteer hulpbronafskakeling nadat die opleiding van die model voltooi is?
- Is dit moontlik om masjienleermodelle op arbitrêr groot datastelle op te lei sonder enige haakplekke?
- Kan CMLE van Google Wolk-bergingdata lees en 'n gespesifiseerde opgeleide model vir afleidings gebruik?
Bekyk meer vrae en antwoorde in Vooruitgang in masjienleer