如何在 Google Cloud ML 上定期训练和部署新的机器学习模型？如何自动化这个过程？
How to periodically train and deploy new Machine Learning models on Google Cloud ML? How to automate this process?
我在 GCP MLE 上训练模型很成功，但现在随着新数据的生成，模型需要每两周更新一次，我手动执行此操作，有人可以帮助我自动执行此过程。
我当前的架构是我将数据作为 csv 文件存储在 GCS 存储桶中，我手动 运行 一个脚本并训练模型并将新训练的模型导出为网络服务（通过云端点）以便用户可以查询新数据并进行推理...
我想构建一个系统，每 2 周我将提供新的 csv 文件并且应该自动触发训练作业，并且新模型应该替换旧模型进行推理（我需要一切都自动化)
您可以使用 Cloud Composer 创建一个定期运行的管道。
你可以看this talk that explains how to do this for scikit learn models on Cloud ML Engine, but it's the same for TensorFlow. The notebook with the code can be found here.
我在 GCP MLE 上训练模型很成功，但现在随着新数据的生成，模型需要每两周更新一次，我手动执行此操作，有人可以帮助我自动执行此过程。
我当前的架构是我将数据作为 csv 文件存储在 GCS 存储桶中，我手动 运行 一个脚本并训练模型并将新训练的模型导出为网络服务（通过云端点）以便用户可以查询新数据并进行推理...
我想构建一个系统，每 2 周我将提供新的 csv 文件并且应该自动触发训练作业，并且新模型应该替换旧模型进行推理（我需要一切都自动化)
您可以使用 Cloud Composer 创建一个定期运行的管道。
你可以看this talk that explains how to do this for scikit learn models on Cloud ML Engine, but it's the same for TensorFlow. The notebook with the code can be found here.