腾讯云

文章/答案/技术大牛

发布

社区首页 >问答首页 >Google Cloud ML Engine:创建新的模型版本，并启用预测日志

问Google Cloud ML Engine:创建新的模型版本，并启用预测日志
EN

Stack Overflow用户

提问于 2018-08-20 21:46:53

回答 1查看 64关注 0票数 0

我在ML engine上有一个模型，它没有启用日志记录。我想用onlinePredictionLogging=True创建一个相同的酸洗模型的新版本。

如何通过ML Engine GUI执行此操作？我见过的所有文档(例如https://cloud.google.com/sdk/gcloud/reference/ml-engine/models/create)都是基于命令行的。

如果我尝试创建一个新版本，我不能更改包含onlinePredictionLogging字段的ModelResource ...

谢谢!

google-cloud-ml

回答 1

Stack Overflow用户

回答已采纳

发布于 2018-08-21 14:19:23

这似乎不可能通过云控制台(GUI)实现。我会提交一个功能请求。

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/51938919

复制

google cloud--穷人也能玩深度学习

数据处理机器学习

本文介绍了如何使用Google Cloud Platform进行深度学习训练和部署，包括TensorFlow、Keras、PyTorch等框架的使用。作者通过在Google Cloud Platform中创建项目、配置训练环境、使用Cloud Storage上传数据集、使用TensorFlow训练模型、将模型部署到Cloud Machine Learning Engine中等一系列操作，展示了如何使用Google Cloud Platform进行高效的深度学习训练和部署。

MelonTeam

2018/01/04

3K0

google cloud ：穷人也能玩深度学习

其他

本文介绍了如何使用Google Cloud Platform进行深度学习训练和部署。作者首先介绍了Google Cloud Platform的特点和优势，然后详细讲解了如何利用TensorFlow和Keras在Google Cloud Platform上部署和训练深度学习模型。作者还通过一个实际的案例演示了如何使用Google Cloud Platform进行训练和部署深度学习模型，并分享了在使用过程中需要注意的一些重要细节。

张鹏宇

2017/09/28

18.9K0

GCP 上的人工智能实用指南：第三、四部分

人工智能存储服务模型数据

张量处理单元（TPU）是 Google Cloud Platform（GCP）上高性能 AI 应用的基本构建块。在本节中，我们将重点介绍 GCP 上的 TensorFlow。本节包含三章。我们将深入介绍 Cloud TPU，以及如何利用它们来构建重要的 AI 应用。我们还将通过利用 Cloud TPU 构建预测应用，使用 Cloud ML Engine 实现 TensorFlow 模型。

ApacheCN_飞龙

2023/04/26

6.9K0

Google 的 Serverless 产品对比：Cloud Run、Cloud Functions、App Engine

serverless

Serverless 平台的主要优点是，它们使您可以专注于编写代码，而不必关心管理基础结构，自动扩容或为所用资源支付更多费用。

donghui

2021/02/08

3.5K0

Google 的 Serverless 产品对比：Cloud Run、Cloud Functions、App Engine

教程 | 在Cloud ML Engine的TPU上从头训练ResNet

其他

张量处理单元（TPU）是能够大大加快深度学习模型训练速度的硬件加速器。在斯坦福大学进行的独立测试中，在 TPU 上训练的 ResNet-50 模型能够在 ImageNet 数据集上以最快的速度（30 分钟）达到预期的准确率。

机器之心

2018/08/07

1.8K0

GCP 上的人工智能实用指南：第一、二部分

人工智能存储服务模型数据

在本节中，我们将介绍 Google Cloud Platform（GCP）上的无服务器计算基础。我们还将概述 GCP 上可用的 AI 组件，并向您介绍 GCP 上的各种计算和处理选项。

ApacheCN_飞龙

2023/04/26

17.3K0

如何用TensorFlow和Swift写个App识别霉霉？

深度学习 swift xml api ios

在很多歌迷眼里，尤其是喜欢乡村音乐的人，“霉霉”Taylor Swift是一位极具辨识度也绝对不能错过的女歌手。在美国硅谷就有一位非常喜欢 Taylor Swift 的程序媛 Sara Robinson，同时她也是位很厉害的 APP 开发者。喜爱之情难以言表，于是利用机器学习技术开发了一款iOS 应用，可以随时随地识别出 Taylor Swift~~~

猿哥

2019/07/25

12.2K0

TensorFlow：使用Cloud TPU在30分钟内训练出实时移动对象检测器

tensorflow 迁移学习 https 人工智能

是否能够更快地训练和提供对象检测模型？我们已经听到了这种的反馈，在今天我们很高兴地宣布支持训练Cloud TPU上的对象检测模型，模型量化以及并添加了包括RetinaNet和MobileNet改编的RetinaNet在内的新模型。本文将引导你使用迁移学习在Cloud TPU上训练量化的宠物品种检测器。

AiTechYun

2018/07/27

4K0

TensorFlow：使用Cloud TPU在30分钟内训练出实时移动对象检测器

如何确保机器学习最重要的起始步骤"特征工程"的步骤一致性？

其他

关于特征工程，业界有这么一句话：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限。

用户1737318

2018/10/22

7320

如何确保机器学习最重要的起始步骤"特征工程"的步骤一致性？

tensorflow 机器学习深度学习神经网络人工智能

关于特征工程，业界有这么一句话：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限。

用户1737318

2019/11/18

1.1K0

【谷歌重拳开放Cloud TPU】GPU最强对手上线，Jeff Dean十条推文全解读

其他

编辑：闻菲、佩琦、张乾【新智元导读】谷歌又放大招：刚刚，Jeff Dean连发十条Twitter，介绍最新发布的测试版Cloud TPU，目前在美国地区开放，每小时6.5美元。谷歌表示，一个Clou

新智元

2018/03/20

9630

【谷歌重拳开放Cloud TPU】GPU最强对手上线，Jeff Dean十条推文全解读

python google app engine

网站云计算

云计算的三个层次：issa：paas:saas 云计算有三个层次。图12-1 显示了每个层次，以及对应层次的代表产品。最低层的是IaaS（Infrastructure-as-a-Service），即提供计算机本身基本的计算能力（物理形式或虚拟形式）、存储（通常是磁盘）、计算。亚马逊Web 服务（Amazon Web Services，AWS）提供了弹性计算云（Elastic Compute Cloud，EC2)，以及简单存储系统（Simple Storage System，S3）服务，这两者就在IaaS 层面。Google 也提供了IaaS 存储服务，称为Google Cloud Storage。Google App Engine 作为云计算的中间一层，称为Paas（Platform-as-a-Service）。这一层为用户的应用提供执行平台。最高一层是Software-as-a-Service（SaaS）。在这一层，用户只须简单地访问应用，这些应用位于本地，但只能通过因特网访问。SaaS 的例子包括基于Web的电子邮件服务，如Gmail、Yahoo! Mail 和Hotmail。

用户5760343

2022/05/14

5320

【干货】手把手教你用苹果Core ML和Swift开发人脸目标识别APP

swift 机器学习 api NLP技术

【导读】CoreML是2017年苹果WWDC发布的最令人兴奋的功能之一。它可用于将机器学习整合到应用程序中，并且全部脱机。CoreML提供的机器学习 API，包括面部识别的视觉 API、自然语言处理 API 。苹果软件主管兼高级副总裁 Craig Federighi 在大会上介绍说，Core ML 致力于加速在 iPhone、iPad、Apple Watch 等移动设备上的人工智能任务，支持深度神经网络、循环神经网络、卷积神经网络、支持向量机、树集成、线性模型等。本文将带你从最初的数据处理开始教你一步一步的

WZEARW

2018/04/12

15K0

Google Earth Engine使用

api python

谷歌的地理引擎，通过一些简单的API我们就可以在几十PB大小的数据内进行弹性运算，以获得我们需要的结果。我们每个人都有权利平等的来享受这个美好的世界。

云深无际

2021/10/20

1.4K0

Google Earth Engine（趋势分析）

https go 网络安全

之前有小伙伴想让做一期利用GEE做植被指数变化的文章，可惜一直没什么时间去做。今天小编终于把这个给做好了。

气象学家

2020/06/29

3.1K0

谷歌Edge TPU专用芯片横空出世！抢攻IoT欲一统物联网江湖

其他

【新智元导读】谷歌今天宣布推出用于边缘计算的Edge TPU，作为Cloud TPU的补充，目前Edge TPU仅用于推理，专为在边缘运行TensorFlow Lite ML模型而设计。除了自用，谷歌Edge TPU也将提供给其他厂商使用，进一步把开发者锁定在谷歌生态系统，或对整个智能云计算市场带来巨大冲击！

新智元

2018/08/01

1.2K0

《Scikit-Learn、Keras与TensorFlow机器学习实用指南（第二版）》第19章规模化训练和部署TensorFlow模型

深度学习 tensorflow 嵌入式 api

有了能做出惊人预测的模型之后，要做什么呢？当然是部署生产了。这只要用模型运行一批数据就成，可能需要写一个脚本让模型每夜都跑着。但是，现实通常会更复杂。系统基础组件都可能需要这个模型用于实时数据，这种情况需要将模型包装成网络服务：这样的话，任何组件都可以通过REST API询问模型。随着时间的推移，你需要用新数据重新训练模型，更新生产版本。必须处理好模型版本，平稳地过渡到新版本，碰到问题的话需要回滚，也许要并行运行多个版本做AB测试。如果产品很成功，你的服务可能每秒会有大量查询，系统必须提升负载能力。提升负载能力的方法之一，是使用TF Serving，通过自己的硬件或通过云服务，比如Google Cloud API平台。TF Serving能高效服务化模型，优雅处理模型过渡，等等。如果使用云平台，还能获得其它功能，比如强大的监督工具。

SeanCheney

2020/02/18

6.7K0

《Scikit-Learn、Keras与TensorFlow机器学习实用指南（第二版）》第19章规模化训练和部署TensorFlow模型

OMAF4CLOUD：启用标准的360°视频创建服务

node.js 图像处理 api

原标题：OMAF4CLOUD: STANDARDS-ENABLED 360° VIDEO CREATION AS A SERVICE

用户1324186

2019/10/10

2.4K0

点击加载更多

相似问题

在与服务线程不同的线程上运行服务操作。

在UI线程上运行的服务中是否运行可运行的

在非UI线程上运行RIA服务

Android服务在UI线程上运行时如何处理“长时间运行”操作

Web服务可以在我的pc上运行，但不能在服务器pc上运行

添加站长进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

问Google Cloud ML Engine:创建新的模型版本，并启用预测日志
EN