管理Google雲端平臺中的scikit-learn模型

我們正試圖弄清楚如何在GCP中託管和運行我們現有的許多scikit-learn和R模型。看起來ML Engine對於Tensorflow非常特殊。如何在Google雲平臺上訓練scikit-learn模型並在數據集太大而無法使用datalab時管理我的模型？我仍然可以使用ML引擎，或者大多數人採用不同的方法嗎？管理Google雲端平臺中的scikit-learn模型

作爲一個更新，我能夠通過將scikit-learn模型作爲培訓工作提交給ML引擎來獲得運行scikit-learn模型的python腳本，但沒有找到一種方法來容納pickled模型或將其用於預測。

來源

2017-04-21 dobbysock1002

這取決於你的用例。什麼是大數據集？如果讓實例變大，它是否可以放入datalab實例的內存中？這是最簡單的解決方案。如果沒有，可能是時候看看更適合的工具 - 比如TF Learn，或者Spark MLlib。 –

Cloud ML引擎僅支持使用TensorFlow編寫的模型。

如果您正在使用scikit-learn，您可能需要查看一些更高級別的TensorFlow庫，如TF Learn或Keras。他們可能會幫助您將模型遷移到TensorFlow，在這種情況下，您可以使用Cloud ML Engine。

來源

2017-04-24 10:39:10

Cloud ML有可能從2017年12月開始提供此功能，截至今日，它已作爲早期訪問提供。基本上Cloud ML團隊正在測試這個功能，但你也可以成爲它的一部分。更多關於here。

使用以下命令將scikit-learn模型部署到cloud ml。請注意，這些參數將來可能會發生變化。

gcloud ml-engine versions create $ {MODEL_VERSION} --model = $ {MODEL} --origin =「gs：// $ {MODEL_PATH_IN_BUCKET}」--runtime-version =「1.2」--framework = 「SCIKIT_LEARN」

來源

2018-01-06 03:18:12

管理Google雲端平臺中的scikit-learn模型

回答

相關問題