机器学习PAI的训练模型,预测结果是在一个流程里边,还是可以拆开,分成两个?训练完成,直接预测结果吗?
机器学习PAI的模型训练和预测结果生成,可以采用同一流程完成,也可以拆分成两个独立的流程:
同一流程完成:
设置训练Op(如Ftrl训练),读取训练数据进行训练模型
设置预测Op(如Ftrl预测),直接使用训练好的模型做预测输出结果
这种方式模型训练和预测在一个流程内完成。
拆分成两个流程:
训练流程:
设置训练Op读取数据训练模型
持久化保存训练好的模型
预测流程:
初始化读取持久化的已训练模型
设置预测Op读取预测数据,使用已训练模型生成预测结果
这种方式将模型训练和结果预测独立成两个流程。
主要区别在于:
同一流程方式更简单,一次完成训练和预测
拆分流程方式可以实现在训练完成后,与训练流程分离的进行预测任务
一般来说,如果模型训练和预测 taskList是包括在同一个Service中,推荐采用同一流程实现;
如果模型训练和预测需要在不同的Service或环境下完成,可以拆分成两个独立的流程实现。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
人工智能平台 PAI(Platform for AI,原机器学习平台PAI)是面向开发者和企业的机器学习/深度学习工程平台,提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务,内置140+种优化算法,具备丰富的行业场景插件,为用户提供低门槛、高性能的云原生AI工程化能力。