0

我有一个训练有素的机器学习模型来预测我在 Firestore 中数据的一个指标。

我已将数据插入到 bigquery 中以训练模型和训练过的模型,我想将其部署以进行预测并将此预测再次插入到 Firestore 中。

我已经阅读了很多如何做到这一点,最后我找到了一种方法:https ://angularfirebase.com/lessons/serverless-machine-learning-with-python-and-firebase-cloud-functions/

我对本指南有几个问题:

  1. 在本指南的第 4 步中,他将模型保存在 firebase_admin 存储中。为什么在 firebase_admin 存储中而不是在谷歌云存储中?

在此处输入图像描述

  1. 他将模型部署在 Google Cloud ML 引擎中。他为什么这样做?我必须在那里部署模型而不是将模型保存在谷歌云存储中然后在云功能中调用它有什么好处?还是有必要做这一步?

在此处输入图像描述

  1. 一旦他在谷歌云 ML 引擎中部署了这个模型,我可以在 python 的云函数中调用它来运行模型,无论我选择什么触发器?

在此处输入图像描述

4

1 回答 1

1

1)您也可以使用云存储。在教程中,他提出了一种实现某事的方法,但这不是唯一的绝对方法。

2)您也可以按照您所说的去做,但是我会说,该教程的方法更好。您具有将模型公开为 API 端点的优势。这样,您可以在 Cloud Functions 代码中做更少的工作,这很好。

3)我不确定我是否理解这个问题。您应该使用 HTTP 触发器,因为您正在尝试访问 API 端点。

于 2019-10-18T11:49:17.267 回答