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
若不方便扫码,搜微信号:CDAshujufenxi
在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29