Gava ku dor tê ser xizmetkirina modelek hinardekirî di hilberînê de di warê Zehmetkêşiya Hunerî de, nemaze di çarçoweya Fêrbûna Makîneya Cloud Google û pêşbîniyên Serverless de, çend vebijarkên bingehîn hene. Van vebijarkan nêzîkatiyên cihêreng pêşkêşî danîn û xizmetkirina modelên fêrbûna makîneyê dikin, her yek bi avantaj û ramanên xwe.
1. Fonksiyonên Cloud:
Cloud Functions platformek hesabker a bê server e ku ji hêla Google Cloud ve hatî pêşkêş kirin ku dihêle hûn koda xwe di bersiva bûyeran de bimeşînin. Ew rêyek maqûl û berbelav peyda dike ku ji modelên fêrbûna makîneyê re xizmetê bike. Hûn dikarin modela xweya îxrackirî wekî fonksiyonek Cloud bicîh bikin û bi karanîna daxwazên HTTP-ê vekêşin. Ev dihêle hûn bi hêsanî modela xwe bi karûbar û serîlêdanên din re yek bikin.
Mînak:
def predict(request): # Load the exported model model = load_model('exported_model') # Process the input data data = preprocess(request.json) # Make predictions using the model predictions = model.predict(data) # Return the predictions return {'predictions': predictions.tolist()}
2. Cloud Run:
Cloud Run platformek bê serverek bi tevahî rêvekirî ye ku bixweber konteynerên we mezin dike. Hûn dikarin modela xweya hinardekirî konteynir bikin û wê li ser Cloud Run bicîh bikin. Ev ji bo xizmetkirina modela we hawîrdorek domdar û berbelav peyda dike. Cloud Run di heman demê de daxwazên HTTP-ê piştgirî dike, ku yekbûna bi karûbarên din re hêsan dike.
Mînak:
FROM tensorflow/serving COPY exported_model /models/exported_model ENV MODEL_NAME=exported_model
3. Pêşbîniya Platforma AI:
Pêşbîniya Platforma AI karûbarek rêvekirî ye ku ji hêla Google Cloud ve ji bo pêşkêşkirina modelên fêrbûna makîneyê tê peyda kirin. Hûn dikarin modela xweya hinardekirî li ser Pêşbîniya Platforma AI-ê, ku ji we re binesaziyê û pîvandinê digire, bicîh bikin. Ew çarçoveyên cihêreng ên fêrbûna makîneyê piştgirî dike û taybetmendiyên mîna pîvandina otomatîk û pêşbîniya serhêl peyda dike.
Mînak:
gcloud ai-platform models create my_model --regions=us-central1 gcloud ai-platform versions create v1 --model=my_model --origin=gs://my-bucket/exported_model --runtime-version=2.4
4. Kubernetes:
Kubernetes platformek orkestrasyona konteyneran-çavkaniyek vekirî ye ku dihêle hûn serîlêdanên xwe yên konteyneran rêve bibin û pîvandin. Hûn dikarin modela xweya hinardekirî wekî karûbarek Kubernetes bi cîh bikin, ku vebijarkek birêkûpêkkirina pir xwerû û berbelav peyda dike. Kubernetes di heman demê de taybetmendiyên mîna hevsengkirina barkirinê û pîvana otomatîkî jî pêşkêşî dike.
Mînak:
apiVersion: v1 kind: Pod metadata: name: my-model spec: containers: - name: my-model image: gcr.io/my-project/exported_model ports: - containerPort: 8080
Van vebijarkên seretayî yên ji bo xizmetkirina modelek îxrackirî di hilberînê de nermbûn, berbelavbûn û hêsankirina yekbûnê bi karûbarên din re peyda dikin. Hilbijartina vebijarka rast bi faktorên wekî hewcedariyên taybetî yên serîlêdana we, barê xebata bendewar, û nasîna we bi platformên bicîhkirinê ve girêdayî ye.
Pirs û bersivên din ên vê dawiyê di derbarê EITC/AI/GCML Fêrbûna Makîna Ewr a Google:
- Nivîsar bi axaftinê (TTS) çi ye û ew çawa bi AI-ê re dixebite?
- Di fêrbûna makîneyê de di xebata bi daneyên mezin de çi sînor hene?
- Ma fêrbûna makîneyê dikare hin arîkariya diyalogê bike?
- Qada lîstikê ya TensorFlow çi ye?
- Di rastiyê de danûstendinek mezintir tê çi wateyê?
- Hin mînakên hîperparametreyên algorîtmê çi ne?
- Fêrbûna ensambleyê çi ye?
- Ger algorîtmayek fêrbûna makîneya bijartî ne guncan be û meriv çawa dikare piştrast bike ku ya rast hilbijêrin?
- Ma modelek fêrbûna makîneyê di dema perwerdehiya xwe de hewceyê çavdêriyê ye?
- Parametreyên sereke yên ku di algorîtmayên bingeha tora neuralî de têne bikar anîn çi ne?
Pirs û bersivan bêtir li EITC/AI/GCML Fêrbûna Makîneya Cloud Google-ê bibînin