【问题标题】:How to persist and deploy PredictionIO model on production?如何在生产环境中持久化和部署 PredictionIO 模型?
【发布时间】:2016-10-04 08:06:05
【问题描述】:

我已经在我的开发机器上使用大量数据集训练了我的 dase 模型,并且它工作正常。现在不想在生产机器上再次放置数据和训练。由于我已经准备好模型,我只想将生成的模型并开始在运行 PIO 的生产机器上提供服务层。

我不确定 PIO 是否已经为此准备了一些东西。或者人们通常是如何做到的。这是一个明显的例子,我们总是希望在开发机器上训练模型并将其部署回生产环境。

【问题讨论】:

    标签: machine-learning salesforce predictionio


    【解决方案1】:

    默认情况下,模型被序列化并存储到事件服务器数据库中。如果需要,您的算法可以覆盖该行为。查看文档:https://github.com/actionml/PredictionIO/blob/master/core/src/main/scala/io/prediction/controller/PersistentModel.scala

    所以你可能可以完成你想要的。但是,我认为总的来说,在开发机器上为产品生成模型是一种反模式。

    【讨论】:

    • 我不同意它是一种反模式。因为 ML 模型训练是最密集和经常性的工作,需要大量资源。现在,任何人真正需要的是一种在高端服务器上训练模型并将训练好的模型部署在平均等级机器上的方法。甚至新的 PMLL 模型也是出于同样的目的。您可以在哪里转换 ML 模型。
    • 我会照你说的做。在强大的生产集群上进行培训。但是通过标准的pio train 方式而不是在非生产 PIO 机器上这样做。
    猜你喜欢
    • 1970-01-01
    • 2014-11-09
    • 1970-01-01
    • 1970-01-01
    • 2012-07-03
    • 2016-10-05
    • 2017-12-30
    • 2012-08-03
    • 1970-01-01
    相关资源
    最近更新 更多