உண்மையில், அது முடியும். கூகுள் கிளவுட் மெஷின் லேர்னிங்கில் கிளவுட் மெஷின் லேர்னிங் இன்ஜின் (சிஎம்எல்இ) என்ற அம்சம் உள்ளது. மேகக்கணியில் இயந்திர கற்றல் மாதிரிகளைப் பயிற்றுவிப்பதற்கும் பயன்படுத்துவதற்கும் CMLE ஒரு சக்திவாய்ந்த மற்றும் அளவிடக்கூடிய தளத்தை வழங்குகிறது. இது பயனர்களை கிளவுட் சேமிப்பகத்திலிருந்து தரவைப் படிக்க அனுமதிக்கிறது மற்றும் அனுமானத்திற்காக பயிற்சி பெற்ற மாதிரியைப் பயன்படுத்துகிறது.
மேகக்கணி சேமிப்பகத்திலிருந்து தரவைப் படிக்கும் போது, கூகுள் கிளவுட் ஸ்டோரேஜ் உட்பட பல்வேறு சேமிப்பக விருப்பங்களுடன் தடையற்ற ஒருங்கிணைப்பை CMLE வழங்குகிறது. பயனர்கள் தங்கள் பயிற்சித் தரவையும், பிற தொடர்புடைய கோப்புகளையும் கிளவுட் சேமிப்பக வாளிகளில் சேமிக்க முடியும். CMLE பின்னர் இந்த வாளிகளை அணுகலாம் மற்றும் பயிற்சி செயல்பாட்டின் போது தரவைப் படிக்கலாம். இது திறமையான மற்றும் வசதியான தரவு நிர்வாகத்தை அனுமதிக்கிறது, அத்துடன் உள்ளூர் சேமிப்பகத் திறனைத் தாண்டிய பெரிய தரவுத்தொகுப்புகளைப் பயன்படுத்துவதற்கான திறனையும் அனுமதிக்கிறது.
பயிற்சி பெற்ற மாதிரியைப் பயன்படுத்துவதைப் பொறுத்தவரை, CMLE ஆனது, முன்கணிப்பு பணிகளுக்காக கிளவுட் ஸ்டோரேஜில் சேமிக்கப்பட்ட பயிற்சியளிக்கப்பட்ட மாதிரியைக் குறிப்பிட பயனர்களுக்கு உதவுகிறது. ஒரு மாடலைப் பயிற்றுவித்து, கிளவுட் சேமிப்பகத்தில் சேமித்தவுடன், அதை CMLE ஆல் எளிதாக அணுகலாம் மற்றும் புதிய தரவுகளில் கணிப்புகளைச் செய்யலாம். ஒரு பயிற்சியளிக்கப்பட்ட மாதிரியை வரிசைப்படுத்தவும் மற்றும் உற்பத்தி சூழலில் நிகழ்நேர கணிப்புகளை உருவாக்கவும் தேவைப்படும் போது இது மிகவும் பயனுள்ளதாக இருக்கும்.
இந்த கருத்தை விளக்குவதற்கு, படங்களை வகைப்படுத்த ஒரு இயந்திர கற்றல் மாதிரி பயிற்சியளிக்கப்பட்ட ஒரு காட்சியைக் கவனியுங்கள். பயிற்சி பெற்ற மாடல் கிளவுட் ஸ்டோரேஜ் வாளியில் சேமிக்கப்படுகிறது. CMLE மூலம், பயனர்கள் கிளவுட் சேமிப்பகத்தில் பயிற்சியளிக்கப்பட்ட மாதிரியின் இருப்பிடத்தைக் குறிப்பிடலாம் மற்றும் அதை இறுதிப் புள்ளியாக வரிசைப்படுத்தலாம். இந்த இறுதிப்புள்ளியானது வகைப்படுத்தலுக்குப் புதிய படங்களை அனுப்பப் பயன்படும். CMLE கிளவுட் சேமிப்பகத்திலிருந்து பயிற்சியளிக்கப்பட்ட மாதிரியைப் படித்து, தேவையான கணக்கீடுகளைச் செய்து, உள்ளீட்டுப் படங்களின் அடிப்படையில் கணிப்புகளை வழங்கும்.
CMLE ஆனது கிளவுட் சேமிப்பகத்திலிருந்து தரவைப் படிக்கும் திறனைக் கொண்டுள்ளது மற்றும் அனுமானத்திற்கான பயிற்சி பெற்ற மாதிரியைக் குறிப்பிடுகிறது. இந்த அம்சம் திறமையான தரவு மேலாண்மை மற்றும் பயிற்சி பெற்ற மாதிரிகளை நிஜ உலக பயன்பாடுகளில் பயன்படுத்த அனுமதிக்கிறது.
தொடர்பான பிற சமீபத்திய கேள்விகள் மற்றும் பதில்கள் இயந்திர கற்றலில் முன்னேறுதல்:
- இயந்திர கற்றலில் பெரிய தரவுத்தொகுப்புகளுடன் பணிபுரிவதில் உள்ள வரம்புகள் என்ன?
- இயந்திர கற்றல் சில உரையாடல் உதவிகளை செய்ய முடியுமா?
- டென்சர்ஃப்ளோ விளையாட்டு மைதானம் என்றால் என்ன?
- TensorFlow இன் விநியோகிக்கப்பட்ட கம்ப்யூட்டிங் செயல்பாட்டை ஆர்வமுள்ள பயன்முறை தடுக்கிறதா?
- பெரிய தரவுகளுடன் கூடிய ML மாடலின் திறமையான பயிற்சிக்காக சேமிப்பகத்திலிருந்து கணினியை துண்டிக்க Google கிளவுட் தீர்வுகளைப் பயன்படுத்த முடியுமா?
- Google Cloud Machine Learning Engine (CMLE) தானியங்கு வளம் கையகப்படுத்துதல் மற்றும் உள்ளமைவு மற்றும் மாதிரியின் பயிற்சி முடிந்ததும் வளத்தை நிறுத்துவதைக் கையாள்கிறதா?
- எந்த விக்கல்களும் இல்லாமல் தன்னிச்சையாக பெரிய தரவுத் தொகுப்புகளில் இயந்திர கற்றல் மாதிரிகளைப் பயிற்றுவிக்க முடியுமா?
- CMLE ஐப் பயன்படுத்தும் போது, ஒரு பதிப்பை உருவாக்க, ஏற்றுமதி செய்யப்பட்ட மாதிரியின் மூலத்தைக் குறிப்பிட வேண்டுமா?
- ஆழ்ந்த நரம்பியல் நெட்வொர்க்குகளின் (DNNs) பயிற்சி மற்றும் அனுமானத்திற்கு Tensorflow பயன்படுத்தப்படுமா?
- கிரேடியண்ட் பூஸ்டிங் அல்காரிதம் என்றால் என்ன?
மெஷின் லேர்னிங்கில் முன்னேறுவதில் மேலும் கேள்விகள் மற்றும் பதில்களைக் காண்க