手机站:/m

微软云_华为云服查淘客-务通讯录导出_免费

时间:2021-07-13 10:38编辑:淘客樊里来源:淘客樊里当前位置:主页 > 云存储 >

微软云_华为云服务通讯录导出_免费

本周早些时候,我们详细解释了如何在TensorFlow中构建和服务文本分类器。今天,我们将为如何在另一个机器学习框架PyTorch中构建类似的分类器提供一个新的解释。在今天的博客文章中,我们将解释如何使用PyTorch实现相同的模型,并将其部署到用于在线预测的AI平台。我们将在上一篇博文中重用Keras中实现的预处理。这个例子的代码可以在这个笔记本中找到。

AI平台ML引擎是一个无服务器的NoOps产品,它可以让你大规模地训练和服务机器学习模型。这些模型可以作为restapi进行在线预测。AI平台服务自动扩展以适应任何吞吐量,云服务器买,并为其剩余端点提供安全认证。

为了帮助维持训练和服务之间预处理的亲和力,AI平台服务现在使用户能够定制预测例程,当向部署在AI平台服务上的模型发送预测请求时,大数据前景怎么样,该例程将被调用。此功能允许您上传自定义模型预测类以及导出的模型,以便在调用模型进行预测之前或之后应用自定义逻辑。

换句话说,我们现在可以利用AI平台执行任意Python代码,打破与TensorFlow的典型耦合和以前的耦合。这种变化使您能够为工作选择最佳的框架,甚至可以将多个框架组合到单个应用程序中。例如,我们可以将kerasapi用于易于使用的文本预处理方法,并将它们与PyTorch结合用于实际的机器学习模型。这种框架的组合正是我们将在本文中讨论的内容。

有关文本分类、示例中使用的黑客新闻数据集以及文本预处理逻辑的更多详细信息,请参阅使用AIPlatform Serving blog post预处理服务文本分类器。

您可以从在torch中实现您的TorchTextClassifier模型类开始_型号.py模块。如下面的代码块所示,大数据怎么样,我们实现了本文中描述的相同的文本分类模型体系结构,云服务器和普通服务器,它包括一个嵌入层、退出层,淘客网站,然后是两个Conv1d和Pooling层,最后是一个具有Softmax激活的密集层。

上一篇网站空间_cn物联网工程课程-2服务器_学生机

下一篇游戏服务器_招商淘客插件-网站建设_限时特惠

云市场知识本月排行

云市场知识精选