هل يمكن لـ CMLE القراءة من بيانات تخزين Google Cloud واستخدام نموذج مدرب محدد للاستدلال؟
في الواقع، يمكن ذلك. في Google Cloud Machine Learning، هناك ميزة تسمى Cloud Machine Learning Engine (CMLE). يوفر CMLE منصة قوية وقابلة للتطوير للتدريب ونشر نماذج التعلم الآلي في السحابة. فهو يسمح للمستخدمين بقراءة البيانات من التخزين السحابي واستخدام نموذج مدرب للاستدلال.
عندما يتعلق الأمر بقراءة البيانات من التخزين السحابي، يوفر CMLE تكاملًا سلسًا مع خيارات التخزين المتنوعة، بما في ذلك Google Cloud Storage. يمكن للمستخدمين تخزين بيانات التدريب الخاصة بهم، بالإضافة إلى أي ملفات أخرى ذات صلة، في مجموعات التخزين السحابية. يمكن لـ CMLE بعد ذلك الوصول إلى هذه المجموعات وقراءة البيانات أثناء عملية التدريب. وهذا يسمح بإدارة البيانات بكفاءة وسهولة، فضلاً عن القدرة على الاستفادة من مجموعات البيانات الكبيرة التي قد تتجاوز سعة التخزين المحلية.
فيما يتعلق باستخدام نموذج مدرب، يمكّن CMLE المستخدمين من تحديد نموذج مدرب مخزن في التخزين السحابي لمهام التنبؤ. بمجرد تدريب النموذج وحفظه في التخزين السحابي، يمكن الوصول إليه بسهولة واستخدامه بواسطة CMLE لإجراء تنبؤات بشأن البيانات الجديدة. يعد هذا مفيدًا بشكل خاص عندما تكون هناك حاجة لنشر نموذج مدرب وإجراء تنبؤات في الوقت الفعلي في بيئة الإنتاج.
لتوضيح هذا المفهوم، فكر في سيناريو تم فيه تدريب نموذج التعلم الآلي على تصنيف الصور. يتم تخزين النموذج المدرب في دلو التخزين السحابي. باستخدام CMLE، يمكن للمستخدمين تحديد موقع النموذج المُدرب في التخزين السحابي ونشره كنقطة نهاية. يمكن بعد ذلك استخدام نقطة النهاية هذه لإرسال صور جديدة للتصنيف. سوف يقوم CMLE بقراءة النموذج الذي تم تدريبه من التخزين السحابي، وإجراء الحسابات اللازمة، وتقديم التنبؤات بناءً على الصور المدخلة.
يتمتع CMLE بالفعل بالقدرة على قراءة البيانات من التخزين السحابي وتحديد نموذج مدرب للاستدلال. تسمح هذه الميزة بإدارة البيانات بكفاءة ونشر النماذج المدربة في تطبيقات العالم الحقيقي.
أسئلة وأجوبة أخرى حديثة بخصوص التقدم في تعلم الآلة:
- عندما يتم تقسيم النواة بالبيانات ويكون الأصل خاصًا، فهل يمكن أن يكون الأصل عامًا وإذا كان الأمر كذلك، فهل هذا لا يعد خرقًا للخصوصية؟
- ما هي القيود المفروضة على العمل مع مجموعات البيانات الكبيرة في التعلم الآلي؟
- هل يمكن للتعلم الآلي تقديم بعض المساعدة الحوارية؟
- ما هو ملعب TensorFlow؟
- هل يمنع الوضع المتحمس وظيفة الحوسبة الموزعة لـ TensorFlow؟
- هل يمكن استخدام حلول Google السحابية لفصل الحوسبة عن التخزين من أجل تدريب أكثر كفاءة لنموذج تعلم الآلة مع البيانات الضخمة؟
- هل يقدم Google Cloud Machine Learning Engine (CMLE) الحصول على الموارد وتكوينها تلقائيًا ويتعامل مع إيقاف تشغيل الموارد بعد انتهاء تدريب النموذج؟
- هل من الممكن تدريب نماذج التعلم الآلي على مجموعات بيانات كبيرة بشكل عشوائي دون أي عوائق؟
- عند استخدام CMLE، هل يتطلب إنشاء إصدار تحديد مصدر للنموذج الذي تم تصديره؟
- هل يمكن استخدام Tensorflow للتدريب والاستدلال على الشبكات العصبية العميقة (DNNs)؟
اعرض المزيد من الأسئلة والأجوبة في "التقدم في التعلم الآلي"