tensorflow - 使用 GCP 上的管道自动部署 AI 平台模型
问题描述
我有一些模型在 GCP 下的 AI 平台上运行,它们可以毫无问题地提供预测。现在我正在尝试使用 kubernets 管道自动化这个部署过程,以便定期更新模型版本。我尝试使用可用的示例创建一些管道,但这些都不是用于 AI 平台的。模型的训练由 AI-Platform Jobs 处理,参数如下:
- 蟒蛇:3.7
- 框架:张量流
- 框架版本:2.1
- 机器学习运行时版本:2.1
训练模型被模仿创建并保存在存储桶中。
如何使用管道自动执行此部署过程。如果这种自动化有另一种替代方法,我也想尝试一下。
解决方案
推荐阅读
- python - ModuleNotFoundError:没有名为“pip”的模块 - 执行 pip3 时
- asynchronous - 在 FromContinuations 中使用取消延续
- json - 如何将用户登录的 JSON 响应保存到 Core Data 中以跟踪 Swift 中的用户状态?
- amazon-ec2 - Tableau AWS ubuntu - 从 AMI 还原后不会重新启动
- javascript - 导航栏元素在滚动时处于活动状态
- ios - 将 Flutter 模块集成到您的 iOS 项目中,但问题在 iOS 发布模式下不起作用
- angular - 如何在 Angular 11 中扩展第 3 方指令并添加自定义逻辑?
- google-sheets - 库存谷歌表格公式
- lambda - 在带有 lambda 函数的 pandas 中,TypeError: can only concatenate str (not "int") to str
- python - Paramiko TypeError:'int'和'str'的实例之间不支持'<'