Как импортировать обученную модель машинного обучения из AI Patform в облачные функции в python

Question

У меня есть обученная модель машинного обучения для прогнозирования одной метрики моих данных в пожарном хранилище.

Я вставил данные в bigquery для обучения модели, а те, которые обучены, я хочу развернуть, чтобы делать прогнозы ивставьте это предсказание снова в firestore.

Я много читал, как это сделать, и, наконец, я нашел способ сделать это: https://angularfirebase.com/lessons/serverless-machine-learning-with-python-and-firebase-cloud-functions/

У меня есть несколько вопросов об этомguide:

1. На 4-м шаге этого руководства он сохраняет модель в хранилище firebase_admin. Почему в хранилище firebase_admin, а не в облачном хранилище Google?

Он развернул модель в облачном движке Google ML. Зачем он это делает? Какие преимущества у меня есть, чтобы развернуть модель там вместо сохранения модели в облачном хранилище Google и после этого вызывать ее в облачных функциях? или нужно сделать этот шаг?

Как только он развернет эту модель в движке Google cloud ML, я могу вызвать его в облачной среде Python для запуска модели независимо от выбранного триггера?

Answer 1

1) Вы также можете использовать Облачное хранилище . В уроке он предлагает способ достижения чего-то, но это не единственный абсолютный путь.

2) Вы также можете делать то, что сказали, но я бы сказал, что путь из этого урока лучше. У вас есть преимущество в том, чтобы представить вашу модель как конечную точку API. Таким образом, у вас будет меньше работы в коде Cloud Functions, и это хорошо.

3) Я не уверен, понял ли я этот вопрос. Вы должны использовать триггер HTTP, поскольку вы пытаетесь достичь конечной точки API.