通过 API 在外部训练模型

Question

我们已经成功部署了我们的预测模型，并且能够为我们的应用程序调用预测。但是，我们希望在我们的应用程序中使用模型时不断地对其进行训练。每当用户发现预测错误时，这将发送一组数据。我检查了文档，只找到了创建工作的 API。

有没有办法通过 API 将训练数据从外部发送到 GCP-ML？如果有，请提供文档。

Answer 1

根据我对您问题的了解，您正在寻找的功能具有以下效果：

• 有一些进程（例如流式管道）可以访问标记数据
• 所述进程发送实例进行预测
• 进程将模型的预测与已知标签进行比较
• 标注数据用于更新模型
• 更新后的模型可用于预测

Google 的 CloudML 引擎目前不支持将此作为第一个 class 用例。

根据我们的经验，生产环境（尤其是关键业务流程）的更安全模型不会在未经事先评估的情况下自动更新生产中的模型。所以一个常见的范例是：

• 等待一些新数据的进来（例如，1 天的日志，甚至只是几小时或几分钟的新数据）
• 用新数据更新模型副本
• 评估更新后的模型以确保它更好
• 如果是这样，将模型作为新版本推送到生产环境（以便轻松恢复到旧版本）并使用分阶段部署逐步将新流量引导到新版本。

有关详细信息，您可能对 this KDD paper on TFX 感兴趣，它尚未作为服务或开源提供。