2

我们正在尝试弄清楚如何在 GCP 中托管和运行我们现有的许多 scikit-learn 和 R 模型（原样）。似乎 ML Engine 非常特定于 Tensorflow。如果数据集太大而无法拉入 datalab，如何在 Google 云平台上训练 scikit-learn 模型并管理我的模型？我还能使用 ML Engine，还是大多数人采用不同的方法？

作为更新，我能够通过将 scikit-learn 模型作为训练作业提交给 ML Engine 来获得训练 scikit-learn 模型运行的 Python 脚本，但还没有找到托管腌制模型或将其用于预测的方法。

4

3 回答 3

1

有可能，Cloud ML 从 2017 年 12 月开始具有此功能，截至今天，它作为早期访问提供。基本上，Cloud ML 团队正在测试此功能，但您也可以参与其中。更多关于这里。

使用以下命令将您的 scikit-learn 模型部署到 cloud ml。请注意，这些参数将来可能会发生变化。

gcloud ml-engine 版本创建 ${MODEL_VERSION} --model=${MODEL} --origin="gs://${MODEL_PATH_IN_BUCKET}" --runtime-version="1.2" --framework="SCIKIT_LEARN"

于 2018-01-06T03:18:12.657 回答
1

Cloud ML Engine 仅支持使用 TensorFlow 编写的模型。

如果您使用的是 scikit-learn，您可能需要查看一些更高级别的 TensorFlow 库，例如TF Learn或Keras。它们可能会帮助您将模型迁移到 TensorFlow，在这种情况下，您可以使用 Cloud ML Engine。

于 2017-04-24T10:39:10.317 回答
1

ML Engine 现在支持 sklearn。

这是一个使用完全托管的 scikit-learn 训练、在线预测和超参数调整的完整示例：

https://github.com/GoogleCloudPlatform/training-data-analyst/blob/master/blogs/sklearn/babyweight_skl.ipynb

于 2018-05-28T17:08:01.230 回答