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（按原样）。似乎ML引擎对Tensorflow非常具体。如果数据集太大而无法进入datalab，我如何在Google云平台上训练scikit-learn模型并管理我的模型？我仍然可以使用ML引擎，或者大多数人采用不同的方法吗？
作为更新，我能够获得python脚本，通过将其作为训练作业提交给ML Engine来训练scikit-learn模型，但是没有找到一种方法来托管酸洗模型或将其用于预测
答案 0 :(得分：1)
Cloud ML Engine仅支持使用TensorFlow编写的模型。
如果您正在使用scikit-learn，您可能需要查看一些更高级别的TensorFlow库，例如TF Learn或Keras。他们可能会帮助您将模型迁移到TensorFlow，在这种情况下您可以使用Cloud ML Engine。
答案 1 :(得分：1)
有可能，Cloud ML从2017年12月开始提供此功能，截至今天它已作为早期访问提供。基本上，Cloud ML团队正在测试此功能，但您也可以参与其中。更多关于here。
使用以下命令将scikit-learn模型部署到云端ml。请注意，这些参数将来可能会发生变化。
gcloud ml-engine版本创建$ {MODEL_VERSION} --model = $ {MODEL} --origin =＆＃34; gs：// $ {MODEL_PATH_IN_BUCKET}＆＃34; --runtime版本=＆＃34; 1.2＆＃34; --framework =＆＃34; SCIKIT_LEARN＆＃34;
答案 2 :(得分：1)
sklearn。
以下是使用完全管理的scikit-learn培训，在线预测和超参数调整的完整解决方案示例：