使用云函数部署机器学习模型

背景将应用迁移到云能够减少运维成本,Serverless是应用迁移上云的流行方案。机器学习应用依赖多,因此上云比较麻烦。这里给出机器学习迁移上云的案例。机器学习的工作流程可以分为三个部分:1.首先对原始数据进行预处理;2.然后将处理过的数据进行模型训练,会选用不同的参数和算法组合进行多次训练,形成多个备选模型;3.最后选一个最合适的模型进行部署。(作者 | 杜万(倚贤) 阿里巴巴技术专家)其中应用上云只需要修改第3步,架构如下图所示:其中,模型是已经训练好的数据文件,只需要随函数打包上
摘要由CSDN通过智能技术生成

背景

将应用迁移到云能够减少运维成本,Serverless是应用迁移上云的流行方案。机器学习应用依赖多,因此上云比较麻烦。这里给出机器学习迁移上云的案例。

机器学习的工作流程可以分为三个部分:
1.首先对原始数据进行预处理;
2.然后将处理过的数据进行模型训练,会选用不同的参数和算法组合进行多次训练,形成多个备选模型;
3.最后选一个最合适的模型进行部署。

(作者 | 杜万(倚贤) 阿里巴巴技术专家)
其中应用上云只需要修改第3步,架构如下图所示:

在这里插入图片描述

其中,模型是已经训练好的数据文件,只需要随函数打包上传即可。然而,函数调用依赖机器学习的库,机器学习的库又依赖大量的库,导致机器学习的库在云函数环境中特别难部署。因此机器学习迁移上云的案例的重点在于依赖怎么部署。

方案

机器学习的主流方案是使用tensorflow,tensorflow基于Python实现,Python没有代码依赖一键打包的机制,因此用户需要手动将依赖部署到云函数的环境。在这里,推荐使用层来部署依赖。

首先对依赖进行分类,即应用依赖和系统依赖这两类。对于应用依赖,可以

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值