Einführung in Cloud ML Engine

Mit Cloud ML Engine können Sie Ihre Modelle für maschinelles Lernen umfassend trainieren, Ihr trainiertes Modell in der Cloud hosten und mithilfe Ihres Modells Vorhersagen über neue Daten treffen.

Kurze Beschreibung des maschinellen Lernens

Maschinelles Lernen (ML) ist ein Teilgebiet der künstlichen Intelligenz (KI). Bei ML sollen Computer aus Daten, die Sie eingegeben haben, lernen. Statt Code zu schreiben, der die vom Computer auszuführende Aktion beschreibt, liefert Ihr Code einen Algorithmus, der sich selbst anpasst, indem er sich an Beispielen für beabsichtigtes Verhalten orientiert. Das resultierende Programm, das aus dem Algorithmus und den zugehörigen erlernten Parametern besteht, wird als trainiertes Modell bezeichnet.

So passt Cloud ML Engine in den ML-Workflow

Das folgende Diagramm bietet eine Übersicht über die verschiedenen Phasen in einem ML-Workflow. Die blauen Felder zeigen, wo Cloud ML Engine verwaltete Dienste und APIs bereitstellt:

ML-Workflow
ML-Workflow

Wie im Diagramm zu sehen ist, können Sie mit Cloud ML Engine die folgenden Phasen im ML-Workflow verwalten:

  • Trainieren eines ML-Modells mit Ihren Daten:

    • Modell trainieren
    • Modellgenauigkeit bewerten
    • Hyperparameter abstimmen
  • Erstellen des trainierten Modells

  • Senden von Vorhersageanfragen an Ihr Modell:

    • Onlinevorhersage
    • Batchvorhersage
  • Fortlaufendes Überwachen der Vorhersagen

  • Verwalten Ihrer Modelle und Versionen

Komponenten von Cloud ML Engine

In diesem Abschnitt werden die einzelnen Komponenten von Cloud ML Engine und ihr jeweiliger Hauptzweck beschrieben.

Google Cloud Platform Console

Sie können Modelle in der Cloud erstellen und Ihre Modelle, Versionen und Jobs in der GCP Console verwalten. Diese Option bietet eine Benutzeroberfläche, in der Sie mit Ihren Ressourcen für maschinelles Lernen arbeiten können. Als Teil der GCP sind Ihre Cloud ML Engine-Ressourcen mit nützlichen Tools wie Stackdriver Logging und Stackdriver Monitoring verbunden.

gcloud-Befehlszeilentool

Mit dem gcloud ml-engine-Befehlszeilentool können Sie über die Befehlszeile Modelle und Versionen verwalten, Jobs senden und andere Cloud ML Engine-Aufgaben ausführen.

Wir empfehlen die gcloud-Befehle für die meisten Cloud ML Engine-Aufgaben und die REST API (siehe unten) für Onlinevorhersagen.

REST API

Die REST API von Cloud ML Engine bietet RESTful-Dienste zum Verwalten von Jobs, Modellen und Versionen sowie zum Erstellen von Vorhersagen mit gehosteten Modellen in der GCP.

Sie können die Google APIs-Clientbibliothek für Python verwenden, um auf die APIs zuzugreifen. Bei der Verwendung der Clientbibliothek verwenden Sie Python-Darstellungen der von der API verwendeten Ressourcen und Objekte. Dies ist einfacher und erfordert weniger Code als das direkte Arbeiten mit HTTP-Anfragen.

Wir empfehlen die REST API vor allem für das Bereitstellen von Onlinevorhersagen.

Weitere Informationen

Hat Ihnen diese Seite weitergeholfen? Teilen Sie uns Ihr Feedback mit:

Feedback geben zu...

AI Platform für TensorFlow