Det kan den faktisk. I Google Cloud Machine Learning er det en funksjon kalt Cloud Machine Learning Engine (CMLE). CMLE gir en kraftig og skalerbar plattform for opplæring og distribusjon av maskinlæringsmodeller i skyen. Den lar brukere lese data fra skylagring og bruke en opplært modell for slutninger.
Når det gjelder lesing av data fra skylagring, tilbyr CMLE sømløs integrasjon med ulike lagringsalternativer, inkludert Google Cloud Storage. Brukere kan lagre treningsdataene sine, så vel som andre relevante filer, i skylagringsbøtter. CMLE kan deretter få tilgang til disse bøttene og lese dataene under treningsprosessen. Dette muliggjør effektiv og praktisk dataadministrasjon, samt muligheten til å utnytte store datasett som kan overskride den lokale lagringskapasiteten.
Når det gjelder bruk av en trent modell, lar CMLE brukere spesifisere en trent modell lagret i skylagring for prediksjonsoppgaver. Når en modell har blitt trent og lagret i skylagring, kan den enkelt fås tilgang til og brukes av CMLE for å lage spådommer om nye data. Dette er spesielt nyttig når det er behov for å distribuere en opplært modell og lage sanntidsprediksjoner i et produksjonsmiljø.
For å illustrere dette konseptet, vurder et scenario der en maskinlæringsmodell har blitt opplært til å klassifisere bilder. Den trente modellen er lagret i en Cloud-lagringsbøtte. Med CMLE kan brukere spesifisere plasseringen av den trente modellen i skylagring og distribuere den som et endepunkt. Dette endepunktet kan deretter brukes til å sende nye bilder for klassifisering. CMLE vil lese den trente modellen fra skylagring, utføre de nødvendige beregningene og gi spådommer basert på inndatabildene.
CMLE har faktisk muligheten til å lese data fra skylagring og spesifisere en trent modell for slutning. Denne funksjonen muliggjør effektiv dataadministrasjon og distribusjon av trente modeller i virkelige applikasjoner.
Andre nyere spørsmål og svar vedr Fremgang i maskinlæring:
- Hva er begrensningene ved å jobbe med store datasett i maskinlæring?
- Kan maskinlæring hjelpe til med dialog?
- Hva er TensorFlow-lekeplassen?
- Hindrer ivrig modus den distribuerte databehandlingsfunksjonaliteten til TensorFlow?
- Kan Googles skyløsninger brukes til å koble fra databehandling fra lagring for en mer effektiv opplæring av ML-modellen med big data?
- Tilbyr Google Cloud Machine Learning Engine (CMLE) automatisk ressursanskaffelse og konfigurasjon og håndterer ressursavslutning etter at opplæringen av modellen er fullført?
- Er det mulig å trene maskinlæringsmodeller på vilkårlig store datasett uten problemer?
- Når du bruker CMLE, krever oppretting av en versjon at du spesifiserer en kilde for en eksportert modell?
- Kan Tensorflow brukes til trening og inferens av dype nevrale nettverk (DNN)?
- Hva er Gradient Boosting-algoritmen?
Se flere spørsmål og svar i Avansere i maskinlæring