管理Google云端平台中的scikit-learn模型
问题描述：
我们正试图弄清楚如何在GCP中托管和运行我们现有的许多scikit-learn和R模型。看起来ML Engine对于Tensorflow非常特殊。如何在Google云平台上训练scikit-learn模型并在数据集太大而无法使用datalab时管理我的模型？我仍然可以使用ML引擎，或者大多数人采用不同的方法吗？管理Google云端平台中的scikit-learn模型
作为一个更新，我能够通过将scikit-learn模型作为培训工作提交给ML引擎来获得运行scikit-learn模型的python脚本，但没有找到一种方法来容纳pickled模型或将其用于预测。
答
Cloud ML有可能从2017年12月开始提供此功能，截至今日，它已作为早期访问提供。基本上Cloud ML团队正在测试这个功能，但你也可以成为它的一部分。更多关于here。
使用以下命令将scikit-learn模型部署到cloud ml。请注意，这些参数将来可能会发生变化。
gcloud ml-engine versions create $ {MODEL_VERSION} --model = $ {MODEL} --origin =“gs：// $ {MODEL_PATH_IN_BUCKET}”--runtime-version =“1.2”--framework = “SCIKIT_LEARN”
这取决于你的用例。什么是大数据集？如果让实例变大，它是否可以放入datalab实例的内存中？这是最简单的解决方案。如果没有，可能是时候看看更适合的工具 - 比如TF Learn，或者Spark MLlib。 –