谷歌教你学 AI-第四讲部署预测模型
Google Cloud发布了名为"AI Adventures"的系列视频,用简单易懂的语言让初学者了解机器学习的方方面面。
观看更多国外公开课,点击"阅读原文"
之前我们更新了前三讲,关于机器学习的概念和具体步骤。后台收到的反馈十分热烈,今天让我们继续更新:第四讲部署预测模型。
回顾之前内容:
谷歌教你学 AI -第一讲机器学习是什么?
谷歌教你学 AI -第二讲机器学习的7个步骤
谷歌教你学 AI-第三讲简单易懂的估算器
主讲人还是来自Google Cloud的开发人员,华裔小哥Yufeng Guo。让我们在学习AI知识的同时来提高英语吧。
CDA字幕组目前在对该系列视频进行汉化,之后将继续连载,欢迎关注和支持~
附有中文字幕的视频如下:
AI Adventures--第四讲部署预测模型
针对不方便打开视频的小伙伴,CDA字幕组也贴心的整理了文字版本,如下:
一旦我们有了训练好的机器学习模型,那么该如何进行预测呢? 敬请收看本期AI Adventures !
谷歌的Cloud Machine Learning Engine能够让你为TensorFlow模型创建预测服务,且不需要任何操作。通过从训练的模型转换为部署的、自动扩展的预测服务,我们可以用更多时间来处理数据。
进行预测:最后一步
我们收集了数据,最终完成了一个合适的模型并验证了它的性能。我们现在终于准备好进入最后阶段:进行预测。
在接受提供预测服务的挑战时,我们希望部署一个专门为服务而构建的模型。特别是一个快速、轻量级的模型,而且是静态的,因为我们不希望在提供服务时出现更新。
此外,我们希望预测服务器能够按需扩展,这能够解决更复杂的问题。
输出TensorFlow模型
事实证明,TensorFlow有一个内置函数,能够在提供预测服务时生成优化的模型。并且能够进行需要的调整,这节省了大量的工作。
这个函数叫做 export_savedmodel(),当你对训练模型的性能满意时,我们可以直接在分类器对象上运行。
这将获取模型的快照,并导出可以在其他地方使用的文件。随着模型的改进,你可以继续得出更新的模型,从而不断提供模型的多个版本。
导出的文件由一个文件和一个文件夹组成。其中文件是 saved_model.pb,它定义了模型结构。变量文件夹包含两个文件,在我们的模型中提供训练权重。
生产中提供模型
一旦你导出模型就可以在提供到生产中了。这里有两个主要的选择: 使用TensorFlow Serving,或者Cloud Machine Learning Engine来提供预测服务。
TensorFlow Serving属于TensorFlow,发布在GitHub上。如果你喜欢对开发环境设施进行配置,并且按需求进行扩展的话,这是不错的选择。
然而,今天我们将主要关注Cloud Machine Learning Engine的预测服务,尽管这两者有相似的文件接口。
Cloud Machine Learning Engine能够让你用导出的TensorFlow模型,并将其转换为预测服务,当中内置API端点且自动扩展,并将达到零(即当没有人请求预测时没有计算机会改变)。
同时它还包含功能丰富的命令行工具、API和UI,因此我们可以根据喜好以不同的方式进行交互。
部署新的预测模型
下面让我们看看如何针对上期分辨鸢尾花的例子,使用Cloud Machine Learning Engine的预测服务。
输出和上传
首先在训练的分类器上运行 export_savedmodel() 。这将生成一个导出模型,我们可以用于预测服务。
接下来,我们要将文件上传到谷歌云存储。当创建新的模型版本时,Cloud machine learning engine将从云存储中读取。
在创建bucket时,一定要选择区域存储类,以确保计算和存储在同一区域。
创建新的模型
在云机器学习UI中,我们可以创建一个新的模型,这实际上是对所有发布版本的封装。版本保存了单个导出模型,而模型抽象帮助将进入的流量导入选择的适当版本。
以下是模型列表视图,在这里我们创建一个新的模型。
创建模型需要给其命名,我们将其命名为iris_model。
创建新版本
接下来,我们将创建一个版本,通过为这个特定的模型版本命名,并将其指向存有导出文件的云存储目录。
就这样,我们创建了模型! 整个过程只需要将服务指向导出模型,并给它命名。
为什么整个过程这么简单呢?
因为服务处理了设置和保护端点的所有操作。此外,我们不需要编写代码,根据需求进行扩展。因为在云端,这种灵活性意味着当需求很低时,不需要支付未使用的计算。
通过为鸢尾花模型建立不需要任何操作的预测服务,我们可以在几分钟内将训练的模型转化为部署的、可自动扩展的预测服务,这意味着我们有更多的时间来处理数据!
欢迎收看本期的AI Adventures。别忘了,当你需要在生产中扩展机器学习服务时,Cloud Machine Learning Engine是不错的选择。
数据分析咨询请扫描二维码
CDA数据分析师认证:CDA认证分为三个等级:Level Ⅰ、Level Ⅱ和Level Ⅲ,每个等级的报考条件如下: Le ...
2024-11-14自学数据分析可能是一条充满挑战却又令人兴奋的道路。随着数据在现代社会中的重要性日益增长,掌握数据分析技能不仅能提升你的就 ...
2024-11-14数据分析相关职业选择 数据分析领域正在蓬勃发展,为各种专业背景的人才提供了丰富的职业机会。从初学者到有经验的专家,每个人 ...
2024-11-14数据挖掘与分析在金融行业的使用 在当今快速发展的金融行业中,数据挖掘与分析的应用愈发重要,成为驱动行业变革和提升竞争力的 ...
2024-11-14学习数据挖掘需要掌握哪些技能 数据挖掘是一个不断发展的领域,它结合了统计学、计算机科学和领域专业知识,旨在从数据中提取有 ...
2024-11-14统计学作为一门基于数据的学科,其广泛的应用领域和多样的职业选择,使得毕业生拥有丰厚的就业前景。无论是在政府还是企业,统计 ...
2024-11-14在当今高速发展的技术环境下,企业正在面临前所未有的机遇和挑战。数字化转型已成为企业保持竞争力和应对市场变化的必由之路。要 ...
2024-11-13爬虫技术在数据分析中扮演着至关重要的角色,其主要作用体现在以下几个方面: 数据收集:爬虫能够自动化地从互联网上抓取大量数 ...
2024-11-13在数据分析中,数据可视化是一种将复杂数据转化为图表、图形或其他可视形式的技术,旨在通过直观的方式帮助人们理解数据的含义与 ...
2024-11-13在现代银行业中,数字化用户行为分析已成为优化产品和服务、提升客户体验和提高业务效率的重要工具。通过全面的数据采集、深入的 ...
2024-11-13在这个数据飞速增长的时代,企业若想在竞争中占据优势,必须充分利用数据分析优化其营销策略。数据不仅有助于理解市场趋势,还可 ...
2024-11-13数据分析行业的就业趋势显示出多个积极的发展方向。随着大数据和人工智能技术的不断进步,数据分析在各行各业中的应用变得越来越 ...
2024-11-13市场数据分析是一门涉及多种技能和工具的学科,对企业在竞争激烈的市场中保持竞争力至关重要。通过数据分析,企业不仅可以了解当 ...
2024-11-13数据分析与数据挖掘是数据科学领域中两个关键的组成部分,它们各有独特的目标、方法和应用场景。尽管它们经常在实际应用中结合使 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13作为一名业务分析师,你肩负着将业务需求转化为技术解决方案的重任。面试这一角色时,涉及的问题多种多样,涵盖技术技能、分析能 ...
2024-11-13自学数据分析可能看似一项艰巨的任务,尤其在开始时。但是,通过一些策略和方法,你可以系统地学习和掌握数据分析的相关知识和技 ...
2024-11-10Excel是数据分析领域中的一款强大工具,它凭借其灵活的功能和易用的界面,成为了许多数据分析师和从业者的首选。无论是简单的数 ...
2024-11-10在快速发展的商业环境中,数据分析能力已经成为许多行业的核心竞争力。无论是初学者还是经验丰富的专家,搭建一个有效的数据分析 ...
2024-11-10