確實可以。 在Google雲端機器學習中,有一個稱為雲端機器學習引擎(CMLE)的功能。 CMLE 提供了一個強大且可擴展的平台,用於在雲端中訓練和部署機器學習模式。 它允許用戶從雲端儲存讀取資料並利用經過訓練的模型進行推理。
在從雲端儲存讀取資料時,CMLE 提供與各種儲存選項的無縫集成,包括 Google Cloud Storage。 使用者可以將訓練資料以及任何其他相關文件儲存在雲端儲存桶中。 然後,CMLE 可以在訓練過程中存取這些儲存桶並讀取資料。 這可以實現高效、便捷的資料管理,以及利用可能超出本地儲存容量的大型資料集的能力。
在使用訓練模型方面,CMLE允許使用者指定儲存在雲端儲存中的訓練模型用於預測任務。 一旦模型經過訓練並保存到雲端存儲,CMLE 就可以輕鬆存取和利用它來對新資料進行預測。 當需要部署經過訓練的模型並在生產環境中進行即時預測時,這特別有用。
為了說明這個概念,請考慮一個場景,其中機器學習模型已被訓練來對圖像進行分類。 訓練好的模型儲存在雲端儲存桶中。 使用 CMLE,使用者可以指定雲端儲存中經過訓練的模型的位置並將其部署為端點。 然後可以使用該端點發送新圖像以進行分類。 CMLE 將從雲端儲存讀取經過訓練的模型,執行必要的運算,並根據輸入影像提供預測。
CMLE 確實能夠從雲端儲存中讀取資料並指定經過訓練的模型進行推理。 此功能可實現高效的資料管理以及在實際應用中部署經過訓練的模型。
最近的其他問題和解答 機器學習的發展:
- 在機器學習中處理大型資料集有哪些限制?
- 機器學習可以提供一些對話幫助嗎?
- 什麼是 TensorFlow 遊樂場?
- Eager 模式會妨礙 TensorFlow 的分散式運算功能嗎?
- 谷歌雲端解決方案能否用於將運算與儲存解耦,以便更有效地利用大數據訓練機器學習模型?
- Google Cloud Machine Learning Engine (CMLE) 是否提供自動資源取得和配置,並在模型訓練完成後處理資源關閉?
- 是否可以在任意大的資料集上毫無問題地訓練機器學習模型?
- 使用 CMLE 時,建立版本是否需要指定導出模型的來源?
- Tensorflow 可以用於深度神經網路 (DNN) 的訓練和推理嗎?
- 什麼是梯度提升算法?
更多問題及解答:
- 領域: 人工智能
- 程序: EITC/AI/GCML Google雲機器學習 (前往認證計劃)
- 課: 機器學習的發展 (去相關課程)
- 主題: GCP BigQuery和開放數據集 (轉到相關主題)