Сапраўды, можа. У Google Cloud Machine Learning ёсць функцыя пад назвай Cloud Machine Learning Engine (CMLE). CMLE забяспечвае магутную і маштабаваную платформу для навучання і разгортвання мадэляў машыннага навучання ў воблаку. Гэта дазваляе карыстальнікам счытваць даныя з воблачнага сховішча і выкарыстоўваць навучаную мадэль для высновы.
Калі справа даходзіць да чытання даных з воблачнага сховішча, CMLE прапануе бясшвоўную інтэграцыю з рознымі варыянтамі захоўвання, уключаючы Google Cloud Storage. Карыстальнікі могуць захоўваць свае навучальныя даныя, а таксама любыя іншыя адпаведныя файлы ў вёдрах воблачнага сховішча. Затым CMLE можа атрымаць доступ да гэтых вёдраў і прачытаць даныя падчас навучальнага працэсу. Гэта дазваляе эфектыўнае і зручнае кіраванне дадзенымі, а таксама магчымасць выкарыстоўваць вялікія наборы даных, якія могуць перавышаць ёмістасць лакальнага сховішча.
Што тычыцца выкарыстання навучанай мадэлі, CMLE дазваляе карыстальнікам вызначаць навучаную мадэль, якая захоўваецца ў воблачным сховішчы для задач прагназавання. Пасля таго, як мадэль была навучана і захавана ў воблачным сховішчы, CMLE можа лёгка атрымаць да яе доступ і выкарыстоўваць яе для прагназавання новых даных. Гэта асабліва карысна, калі ёсць неабходнасць разгарнуць падрыхтаваную мадэль і рабіць прагнозы ў рэальным часе ў вытворчым асяроддзі.
Каб праілюстраваць гэтую канцэпцыю, разгледзім сцэнар, калі мадэль машыннага навучання была навучана класіфікаваць выявы. Навучаная мадэль захоўваецца ў воблачным сховішчы. З дапамогай CMLE карыстальнікі могуць вызначыць месцазнаходжанне навучанай мадэлі ў воблачным сховішчы і разгарнуць яе ў якасці канчатковай кропкі. Гэтую канечную кропку потым можна выкарыстоўваць для адпраўкі новых малюнкаў для класіфікацыі. CMLE счытвае падрыхтаваную мадэль з воблачнага сховішча, выконвае неабходныя вылічэнні і дае прагнозы на аснове ўваходных малюнкаў.
CMLE сапраўды мае магчымасць счытваць даныя з воблачнага сховішча і вызначаць падрыхтаваную мадэль для вываду. Гэтая функцыя дазваляе эфектыўна кіраваць дадзенымі і разгортваць навучаныя мадэлі ў рэальных праграмах.
Іншыя апошнія пытанні і адказы адносна Поспехі ў машынным навучанні:
- Якія абмежаванні ёсць у працы з вялікімі наборамі даных у машынным навучанні?
- Ці можа машыннае навучанне аказаць некаторую дапамогу ў дыялогу?
- Што такое гульнявая пляцоўка TensorFlow?
- Ці перашкаджае рэжым Eager функцыянальнасці размеркаваных вылічэнняў TensorFlow?
- Ці можна выкарыстоўваць воблачныя рашэнні Google для аддзялення вылічэнняў ад сховішча для больш эфектыўнага навучання мадэлі ML з вялікімі дадзенымі?
- Ці забяспечвае Google Cloud Machine Learning Engine (CMLE) аўтаматычнае атрыманне і канфігурацыю рэсурсаў і апрацоўвае іх адключэнне пасля завяршэння навучання мадэлі?
- Ці можна навучыць мадэлі машыннага навучання на як заўгодна вялікіх наборах даных без збояў?
- Ці патрабуе пры выкарыстанні CMLE стварэнне версіі ўказання крыніцы экспартаванай мадэлі?
- Ці можна Tensorflow выкарыстоўваць для навучання і вываду глыбокіх нейронавых сетак (DNN)?
- Што такое алгарытм Gradient Boosting?
Больш пытанняў і адказаў глядзіце ў раздзеле "Пашырэнне машыннага навучання".