在Azure ML中操作自定义R模型，而不是在每次调用Web服务时加载它

时间：2018-02-26 13:59:37

标签： r azure-machine-learning-studio

我正在尝试将R模型作为Azure ML中的Web服务提供。

该模型在本地进行培训，并使用Xgboost和其他软件包。由于大小超过130 MB，我直接从AzureML包提交它时遇到问题。解决方法是将所有软件包和模型作为zip上传到Azure并从那里获取。

当前的问题是，每次调用该服务时，Azure ML都会从zip文件加载模型，从而使响应时间非常慢（4.5秒）。 如何重新构建代码，以便模型仅从文件加载一次。谢谢你的帮助。

以下是AzureML enter image description here的外观 以下是Execute R脚本中的内容 enter image description here

1 个答案:

答案 0 :(得分：1)

这是clever trick仅用于第一次运行初始化步骤而不是每次后续调用。

我的理解是你将在以下item1, item2, item 3, item 4 yyyy-mm-dd 语句中包装脚本的前3个语句（即第11行）：

if

if (!is.element("my_env", search())) 语句还将包含if变量的初始化，如该博客中使用的示例所示：

R optimization example

相关问题
最新问题