Када користите ЦМЛЕ (Цлоуд Мацхине Леарнинг Енгине) за креирање верзије, потребно је навести извор извезеног модела. Овај захтев је важан из више разлога, који ће бити детаљно објашњени у овом одговору.
Прво, хајде да разумемо шта се подразумева под „извезеним моделом“. У контексту ЦМЛЕ-а, извезени модел се односи на обучени модел машинског учења који је сачуван или извезен у формату који се може користити за предвиђање. Овај извезени модел може да се складишти у различитим форматима као што су ТенсорФлов СаведМодел, ТенсорФлов Лите или чак прилагођени формат.
Сада, зашто је потребно навести извор извезеног модела приликом креирања верзије у ЦМЛЕ-у? Разлог лежи у току рада ЦМЛЕ-а и потреби да се обезбеде неопходни ресурси за опслуживање модела. Приликом креирања верзије, ЦМЛЕ мора да зна где се налази извезени модел како би могао да се примени и учини доступним за предвиђање.
Одређивањем извора извезеног модела, ЦМЛЕ може ефикасно да преузме модел и учита га у инфраструктуру за опслуживање. Ово омогућава моделу да буде спреман за захтеве клијената за предвиђање. Без навођења извора, ЦМЛЕ не би знао где да пронађе модел и не би могао да послужи предвиђањима.
Поред тога, навођење извора извезеног модела омогућава ЦМЛЕ-у да ефикасно управља верзијом. У машинском учењу, уобичајено је да се обучавају и понављају модели, побољшавајући их током времена. ЦМЛЕ вам омогућава да креирате више верзија модела, од којих свака представља различиту итерацију или побољшање. Одређивањем извора извезеног модела, ЦМЛЕ може да прати ове верзије и да обезбеди да се исправан модел сервира за сваки захтев за предвиђање.
Да бисте ово илустровали, размотрите сценарио где инжењер машинског учења обучава модел користећи ТенсорФлов и извози га као СаведМодел. Инжењер затим користи ЦМЛЕ да креира верзију модела, наводећи извор као извезену датотеку СавеМодел. ЦМЛЕ примењује модел и чини га доступним за предвиђање. Сада, ако инжењер касније обучи побољшану верзију модела и извезе га као нови СаведМодел, они могу креирати другу верзију у ЦМЛЕ-у, наводећи нови извезени модел као извор. Ово омогућава ЦМЛЕ-у да управља обема верзијама одвојено и да служи одговарајући модел на основу верзије наведене у захтевима за предвиђање.
Када користите ЦМЛЕ за креирање верзије, навођење извора извезеног модела је неопходно да би се обезбедили неопходни ресурси за опслуживање модела, омогућило ефикасно преузимање и учитавање модела и подржало верзионисање модела.
Остала недавна питања и одговори у вези Напредак у машинском учењу:
- Која су ограничења у раду са великим скуповима података у машинском учењу?
- Може ли машинско учење да пружи неку дијалошку помоћ?
- Шта је ТенсорФлов игралиште?
- Да ли жељни режим спречава дистрибуирану рачунарску функционалност ТенсорФлов-а?
- Да ли се Гоогле решења у облаку могу користити за раздвајање рачунарства од складишта за ефикаснију обуку модела МЛ са великим подацима?
- Да ли Гоогле Цлоуд Мацхине Леарнинг Енгине (ЦМЛЕ) нуди аутоматску набавку и конфигурацију ресурса и управља гашењем ресурса након што се обука модела заврши?
- Да ли је могуће обучити моделе машинског учења на произвољно великим скуповима података без штуцања?
- Може ли ЦМЛЕ да чита из података Гоогле Цлоуд складишта и да користи одређени обучени модел за закључивање?
- Може ли се Тенсорфлов користити за обуку и закључивање дубоких неуронских мрежа (ДНН)?
- Шта је алгоритам за повећање градијента?
Погледајте више питања и одговора у Напредак у машинском учењу