Существует несколько ответов на ваш вопрос.
Хотите ли вы построить монолит или 2 микросервиса:
- Монолит, я имею в виду тот же сервис (функции или контейнер)запускается планировщиком, загружает модель, выполняет прогноз и сохраняет ее в firestore
- Микросервис:
- 1 Сервис запускается планировщиком, запрашивает прогноз и сохраняет результат в Firestore
- 1 служба загружает модель и отвечает на запрос прогнозирования.
В случае монолита AI-платформа не рекомендуется. В микросервисе вы можете разместить свою службу прогнозирования на платформе AI, а другую - в облачных функциях
С помощью tenorflow я также предложил другое решение для размещения модели: в Cloud Run. Я написал статью об этом . Я не знаю достаточно SciKit, чтобы сказать вам, что то же самое возможно, но это хорошая альтернатива.
О том, где хранить вашу обученную модель? Определенно в облачном хранилище. И даже если вы создаете службу Cloud Run с контейнером, как описано в моей статье, где я загружаю модель и загружаю ее в контейнер (и, следовательно, модель не загружается из хранилища во время выполнения, только во время сборки), Cloud Storageлучшее место для неизменных объектов.
Наконец, ваш последний вопрос об AI Platform. Одно имя, несколько сервисов. Вы можете разместить свою модель и выполнить онлайн-прогнозирование, а также можете обучить свою модель. Это не тот же внутренний сервис, не то же самое использование, не тот же самый API. Нет разницы / преимущества при обучении новой модели, если вы размещаете свой онлайн-прогноз на платформе AI или нет