在 Azure ML 中操作自定义 R 模型，而无需在每次调用 Web 服务时加载它
Operationalize custom R model in Azure ML without loading it on every call of web service
我正在尝试将 R 模型作为 Azure ML 中的 Web 服务提供。
模型在本地训练，使用Xgboost等包。由于大小超过 130 MB，我在直接从 AzureML 包提交它时遇到了问题。解决方法是将所有包和模型作为 zip 文件上传到 Azure 并从那里获取。
当前的问题是，每次调用服务时，模型都是由 Azure ML 从 zip 文件加载的，这使得响应时间非常慢（4.5 秒）。
我如何重组代码，以便模型只从文件中加载一次。感谢您的帮助。
这是它在 AzureML 中的样子
这是执行 R 脚本中的内容
这里有一个 clever trick 用于 运行 初始化步骤，只是第一次，而不是在每次后续调用时。
我的理解是，您可以将脚本的前 3 条语句（即第 11 行）包装在以下 if 语句中：
if (!is.element("my_env", search()))
if 语句还将包含 my_env 变量的初始化，如该博客中使用的示例所示：
我正在尝试将 R 模型作为 Azure ML 中的 Web 服务提供。
模型在本地训练，使用Xgboost等包。由于大小超过 130 MB，我在直接从 AzureML 包提交它时遇到了问题。解决方法是将所有包和模型作为 zip 文件上传到 Azure 并从那里获取。
当前的问题是，每次调用服务时，模型都是由 Azure ML 从 zip 文件加载的，这使得响应时间非常慢（4.5 秒）。 我如何重组代码，以便模型只从文件中加载一次。感谢您的帮助。
这是它在 AzureML 中的样子
这里有一个 clever trick 用于 运行 初始化步骤，只是第一次，而不是在每次后续调用时。
我的理解是，您可以将脚本的前 3 条语句（即第 11 行）包装在以下 if 语句中：
if (!is.element("my_env", search()))
if 语句还将包含 my_env 变量的初始化，如该博客中使用的示例所示：