预测要用到两个模型,第一个在线训练好的,这个倒是可以流式读入,就是2模型(离线批量模型)怎么能够保证更新后流式读入,并且类型也是batchoperator呢?
2模型的格式是batchoperator的
对于多个开放模型需要流式更新和使用,有以下几种方式:
模型版本控制
每个模型版本需要一个版本号,任务以版本号读入不同版本模型。
训练完成后更新版本号,任务根据版本号自动读新模型。
模型陷阱交换
维护两个模型文件A/B,预测任务实时读A。
训练完成后将新模型写入B,切换A和B指针。下次预测读B。
模型注册表
使用注册表持久化当前活跃模型版本信息。
训练完成后更新注册表模型版本号,预测从注册表异步拉取最新模型。
模型流式发布
训练直接将模型发布到流式 canal处。
预测从canal实时拉取最新模型,同步更新内存中模型。
参数服务器模式
所有模型参数分布到参数服务器。
训练更新参数服务器参数,预测从参数服务器实时读取最新参数。
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。