通过API从外部训练模型

Question

我们已成功部署了我们的预测模型，并能够为我们的应用程序调用预测。但是，我们希望在我们的应用程序中使用它时不断训练模型。每当用户看到预测错误时，这将发送一组数据。我已经检查了文档，但只发现了创建作业的API。

有没有办法通过API向GCP-ML外部发送培训数据？如果是，请提供文档。

Answer 1

根据我对您的问题的理解，您正在寻找的功能是：

• 有一些进程（例如流媒体管道）可以访问标记数据
• 所述进程发送实例以进行预测
• 流程将模型中的预测与已知标签进行比较
• 标记数据用于更新模型
• 更新的模型可用于预测

Google的CloudML Engine目前不支持这作为一流的用例。

根据我们的经验，生产环境（尤其是业务关键流程）的更安全模型不会在没有事先评估的情况下自动更新生产中的模型。所以一个共同的范例是：

• 等待一些新数据进入（例如1天的日志，或者甚至只是几小时或几分钟的新数据）
• 使用新数据
更新模型的副本
• 评估更新的模型以确保更好
• 如果是这样，请将模型作为新版本推送到生产阶段（以便轻松恢复到旧版本）并使用分阶段部署逐步将新流量引导至新版本。

有关详细信息，您可能对this KDD paper on TFX感兴趣，https://api-platform.com/docs/core/swagger#header尚未作为服务或开源提供。