如图，使用机器学习PAI的Ftrl在线学习，如果模型是离线+在线更新，在线部分怎么获取到更新？

如果模型采用离线训练获得初备模型,然后在线继续学习更新模型,可以这么做:

离线训练获取 feature_pipelineModel 和 initModel

将这两个模型保存,作为离线训练后的初始模型

在线学习部分:

设置Ftrl在线学习Op,加载离线训练后的初始模型
Copy
FtrlPredictStreamOp ftrl = new FtrlPredictStreamOp();
ftrl.setInitModel(initModel);
从数据流中获取特征向量,预测并更新模型
Copy
RowData result = ftrl.predictAndUpdate(test_stream_data);
每隔一段时间,保存最新模型替换初始模型
Copy
ftrl.saveModel(modelPath);
也就是说,在线学习Op需要加载离线训练结束后的初始模型,然后每次更新就可以获取模型的最新状态。

定期保存模型可以保存学习后的知识。下次启动时,可以直接加载最新在线学习过的模型进行预测。

所以关键是:

初始化时加载离线模型
学习过程中不断更新模型
定期保存模型获得更新
这就实现了离线+在线混合训练的效果。

你这个场景用模型流，你看下参数，上边有相关的参数提示的—此回答来自钉群“Alink开源--用户群”