ஒரு பதிப்பை உருவாக்க CMLE (கிளவுட் மெஷின் லேர்னிங் இன்ஜின்) ஐப் பயன்படுத்தும் போது, ஏற்றுமதி செய்யப்பட்ட மாதிரியின் மூலத்தைக் குறிப்பிடுவது அவசியம். இந்த தேவை பல காரணங்களுக்காக முக்கியமானது, இது இந்த பதிலில் விரிவாக விளக்கப்படும்.
முதலில், "ஏற்றுமதி செய்யப்பட்ட மாதிரி" என்றால் என்ன என்பதைப் புரிந்துகொள்வோம். CMLE இன் சூழலில், ஏற்றுமதி செய்யப்பட்ட மாதிரி என்பது ஒரு பயிற்சியளிக்கப்பட்ட இயந்திர கற்றல் மாதிரியைக் குறிக்கிறது, இது முன்கணிப்புக்காகப் பயன்படுத்தக்கூடிய வடிவத்தில் சேமிக்கப்பட்டது அல்லது ஏற்றுமதி செய்யப்பட்டது. இந்த ஏற்றுமதி செய்யப்பட்ட மாடலை TensorFlow SavedModel, TensorFlow Lite அல்லது தனிப்பயன் வடிவம் போன்ற பல்வேறு வடிவங்களில் சேமிக்க முடியும்.
இப்போது, CMLE இல் பதிப்பை உருவாக்கும் போது, ஏற்றுமதி செய்யப்பட்ட மாதிரியின் மூலத்தைக் குறிப்பிடுவது ஏன்? காரணம் CMLE இன் பணிப்பாய்வு மற்றும் மாதிரியை வழங்குவதற்கு தேவையான ஆதாரங்களை வழங்க வேண்டியதன் அவசியத்தில் உள்ளது. ஒரு பதிப்பை உருவாக்கும் போது, ஏற்றுமதி செய்யப்பட்ட மாடல் எங்குள்ளது என்பதை CMLE அறிந்து கொள்ள வேண்டும், இதனால் அது வரிசைப்படுத்தப்பட்டு, கணிப்புக்குக் கிடைக்கும்.
ஏற்றுமதி செய்யப்பட்ட மாதிரியின் மூலத்தைக் குறிப்பிடுவதன் மூலம், CMLE ஆனது மாடலைத் திறமையாக மீட்டெடுத்து, சேவை செய்யும் உள்கட்டமைப்பில் ஏற்றலாம். வாடிக்கையாளர்களின் முன்கணிப்பு கோரிக்கைகளுக்கு மாதிரி தயாராக இருக்க இது அனுமதிக்கிறது. மூலத்தைக் குறிப்பிடாமல், மாதிரியை எங்கு கண்டுபிடிப்பது என்பது CMLEக்கு தெரியாது மற்றும் கணிப்புகளை வழங்க முடியாது.
கூடுதலாக, ஏற்றுமதி செய்யப்பட்ட மாதிரியின் மூலத்தைக் குறிப்பிடுவது, பதிப்பை திறம்பட கையாள CMLE ஐ செயல்படுத்துகிறது. இயந்திரக் கற்றலில், மாடல்களைப் பயிற்றுவிப்பதும், மீண்டும் மீண்டும் செய்வதும், காலப்போக்கில் அவற்றை மேம்படுத்துவதும் பொதுவானது. ஒரு மாதிரியின் பல பதிப்புகளை உருவாக்க CMLE உங்களை அனுமதிக்கிறது, ஒவ்வொன்றும் வெவ்வேறு மறு செய்கை அல்லது முன்னேற்றத்தைக் குறிக்கும். ஏற்றுமதி செய்யப்பட்ட மாதிரியின் மூலத்தைக் குறிப்பிடுவதன் மூலம், CMLE இந்தப் பதிப்புகளைக் கண்காணிக்கலாம் மற்றும் ஒவ்வொரு கணிப்புக் கோரிக்கைக்கும் சரியான மாதிரி வழங்கப்படுவதை உறுதிசெய்ய முடியும்.
இதை விளக்குவதற்கு, ஒரு இயந்திரக் கற்றல் பொறியாளர் டென்சர்ஃப்ளோவைப் பயன்படுத்தி ஒரு மாதிரியைப் பயிற்றுவித்து, சேவ்டுமாடலாக ஏற்றுமதி செய்யும் சூழ்நிலையைக் கவனியுங்கள். பொறியாளர் பின்னர் CMLE ஐப் பயன்படுத்தி மாதிரியின் பதிப்பை உருவாக்கி, மூலத்தை ஏற்றுமதி செய்யப்பட்ட SavedModel கோப்பாகக் குறிப்பிடுகிறார். CMLE மாதிரியை வரிசைப்படுத்துகிறது மற்றும் கணிப்புக்கு கிடைக்கும். இப்போது, பொறியாளர் பின்னர் மேம்படுத்தப்பட்ட மாடலைப் பயிற்றுவித்து, அதை ஒரு புதிய SavedModel ஆக ஏற்றுமதி செய்தால், அவர்கள் CMLE இல் மற்றொரு பதிப்பை உருவாக்கலாம், புதிய ஏற்றுமதி செய்யப்பட்ட மாதிரியை ஆதாரமாகக் குறிப்பிடலாம். இரண்டு பதிப்புகளையும் தனித்தனியாக நிர்வகிக்கவும், கணிப்புக் கோரிக்கைகளில் குறிப்பிடப்பட்டுள்ள பதிப்பின் அடிப்படையில் பொருத்தமான மாதிரியை வழங்கவும் இது CMLEஐ அனுமதிக்கிறது.
ஒரு பதிப்பை உருவாக்க CMLE ஐப் பயன்படுத்தும் போது, ஏற்றுமதி செய்யப்பட்ட மாதிரியின் மூலத்தைக் குறிப்பிடுவது, மாதிரியை வழங்குவதற்குத் தேவையான ஆதாரங்களை வழங்குவதற்கும், திறமையான மீட்டெடுப்பு மற்றும் மாதிரியை ஏற்றுவதற்கும் மற்றும் மாதிரிகளின் பதிப்புகளை ஆதரிக்கவும் அவசியம்.
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?
- கூகுள் கிளவுட் ஸ்டோரேஜ் தரவிலிருந்து CMLE படித்து, அனுமானத்திற்காக ஒரு குறிப்பிட்ட பயிற்சி பெற்ற மாதிரியைப் பயன்படுத்த முடியுமா?
- ஆழ்ந்த நரம்பியல் நெட்வொர்க்குகளின் (DNNs) பயிற்சி மற்றும் அனுமானத்திற்கு Tensorflow பயன்படுத்தப்படுமா?
- கிரேடியண்ட் பூஸ்டிங் அல்காரிதம் என்றால் என்ன?
மெஷின் லேர்னிங்கில் முன்னேறுவதில் மேலும் கேள்விகள் மற்றும் பதில்களைக் காண்க