在线应用程序中的权重存储在哪里？
Where are weights stored in online applications?
我是网络开发的新手，所以如果这个问题很简单，请原谅。
我有机器学习背景，目前正在开发一个涉及机器学习技术各种用途的应用程序。在编写这样的应用程序时，特征权重通常存储在哪里？这个想法是，随着用户添加数据，模型将更新特征权重以更好地学习数据。
人们通常将特征权重存储在数据库中吗？人们通常如何处理这种情况？例如，假设我有一个经过训练的模型并且想要评估某个输入。如果将特征权重存储在数据库中，则可能需要查找多个不同的值，这似乎在计算上非常昂贵。
管理此问题的最佳做法是什么？
这真的取决于具体的情况和环境。如果性能很重要，您可能希望将它们保存在内存中并存储在数据库或文件中，只是为了永久保存它们。
加载应用程序时，最好将完整模型加载到内存中。根据可用资源和数据量，这可能会也可能不会。如果您的模型太大，您可以根据需要预加载需要的部分。
您将需要仅在应用程序加载和模型更改时进行昂贵的 I/O 操作（甚至对于更改，您可以推迟写入操作）。
你可以在这里找到类似的讨论：
Neural Network / Machine Learning memory storage
我是网络开发的新手，所以如果这个问题很简单，请原谅。
我有机器学习背景，目前正在开发一个涉及机器学习技术各种用途的应用程序。在编写这样的应用程序时，特征权重通常存储在哪里？这个想法是，随着用户添加数据，模型将更新特征权重以更好地学习数据。
人们通常将特征权重存储在数据库中吗？人们通常如何处理这种情况？例如，假设我有一个经过训练的模型并且想要评估某个输入。如果将特征权重存储在数据库中，则可能需要查找多个不同的值，这似乎在计算上非常昂贵。
管理此问题的最佳做法是什么？
这真的取决于具体的情况和环境。如果性能很重要，您可能希望将它们保存在内存中并存储在数据库或文件中，只是为了永久保存它们。
加载应用程序时，最好将完整模型加载到内存中。根据可用资源和数据量，这可能会也可能不会。如果您的模型太大，您可以根据需要预加载需要的部分。
您将需要仅在应用程序加载和模型更改时进行昂贵的 I/O 操作（甚至对于更改，您可以推迟写入操作）。
你可以在这里找到类似的讨论： Neural Network / Machine Learning memory storage