google 云中哪个是最好的选择调用训练机器学习模型？
which is the best option call trained machine learning model in google cloud?
我在 python 中有一个经过训练的机器学习模型来获得回归输出，这个模型是用 scikit-learn 训练的
我想将此预测插入到 firestore 中，我将使用每天使用云调度程序对其进行调度的云函数来执行此操作。
我的问题是我必须在哪里存储这个经过训练的机器学习模型？
- 我可以将它存储到 google 存储中并在我的云函数中调用它以获得预测吗？
还是存入AI平台？
如果答案是AI平台，为什么？存入AI平台有什么优势？我可以用那里的新数据训练模型吗？
我一直在读到这是可能的，但我不知道为什么更好以及如何做到
您的问题有多个答案。
您要构建单体还是 2 个微服务：
- Monolith，我的意思是相同的服务（函数或容器）由调度程序触发，加载模型，执行预测并将其保存到 firestore
- 微服务：
- 1 项服务由调度程序触发，请求预测并将结果存储到 Firestore
- 1 服务加载模型并回答预测查询。
在单体情况下，不推荐使用AI-Platform。在微服务中，您可以将预测服务托管在 AI Platform 上，另一个托管在 Cloud Functions
对于 tensorflow，我还提出了另一种托管模型的解决方案：在云端 运行。 I wrote an article on this。我对 SciKit 的了解还不够多，无法告诉您同样的事情是可能的，但这是一个不错的选择。
关于在哪里存储你训练好的模型？绝对在云存储上。即使您像我的文章中描述的那样使用容器构建 Cloud 运行 服务，我也会在其中下载模型并将其加载到容器中（因此模型不会在运行时从存储中下载，仅在构建时下载） ), Cloud Storage 是存放不可变对象的最佳场所。
最后，关于 AI Platform 的最后一个问题。一个名字，几个服务。您可以托管您的模型并执行在线预测，并且您可以训练您的模型。不一样的内部服务，不一样的用法，不一样的API。训练新模型时没有difference/advantage，无论您是否在 AI Platform 上托管在线预测
我在 python 中有一个经过训练的机器学习模型来获得回归输出，这个模型是用 scikit-learn 训练的
我想将此预测插入到 firestore 中，我将使用每天使用云调度程序对其进行调度的云函数来执行此操作。
我的问题是我必须在哪里存储这个经过训练的机器学习模型？
- 我可以将它存储到 google 存储中并在我的云函数中调用它以获得预测吗？
还是存入AI平台？
如果答案是AI平台，为什么？存入AI平台有什么优势？我可以用那里的新数据训练模型吗？
我一直在读到这是可能的，但我不知道为什么更好以及如何做到
您的问题有多个答案。
您要构建单体还是 2 个微服务：
- Monolith，我的意思是相同的服务（函数或容器）由调度程序触发，加载模型，执行预测并将其保存到 firestore
- 微服务：
- 1 项服务由调度程序触发，请求预测并将结果存储到 Firestore
- 1 服务加载模型并回答预测查询。
在单体情况下，不推荐使用AI-Platform。在微服务中，您可以将预测服务托管在 AI Platform 上，另一个托管在 Cloud Functions
对于 tensorflow，我还提出了另一种托管模型的解决方案：在云端 运行。 I wrote an article on this。我对 SciKit 的了解还不够多，无法告诉您同样的事情是可能的，但这是一个不错的选择。
关于在哪里存储你训练好的模型？绝对在云存储上。即使您像我的文章中描述的那样使用容器构建 Cloud 运行 服务，我也会在其中下载模型并将其加载到容器中（因此模型不会在运行时从存储中下载，仅在构建时下载） ), Cloud Storage 是存放不可变对象的最佳场所。
最后，关于 AI Platform 的最后一个问题。一个名字，几个服务。您可以托管您的模型并执行在线预测，并且您可以训练您的模型。不一样的内部服务，不一样的用法，不一样的API。训练新模型时没有difference/advantage，无论您是否在 AI Platform 上托管在线预测