Как импортировать обученную модель машинного обучения из AI Patform в облачные функции на Python

Question

У меня есть обученная модель машинного обучения, позволяющая прогнозировать одну метрику моих данных в firestore.

Я вставил данные в bigquery, чтобы обучить модель, и те, что она обучена, я хочу развернуть, чтобы делать прогнозы и снова вставлять эти прогнозы в firestore.

Я много читал, как это сделать, и, наконец, нашел способ сделать это: https://angularfirebase.com/lessons/serverless-machine-learning-with-python-and-firebase-cloud-functions/

У меня есть несколько вопросов к этому руководству:

1. На 4-м шаге этого руководства он сохранил модель в хранилище firebase_admin. Почему в хранилище firebase_admin, а не в облачном хранилище Google?

2. Он развернул модель в Google Cloud ML Engine. Зачем он это делает? Какие преимущества у меня есть для развертывания модели там, вместо того, чтобы сохранять модель в облачном хранилище Google и после этого вызывать ее в облачных функциях? или надо этот шаг делать?

3. Как только он развернет эту модель в движке Google Cloud ML, я могу вызвать ее в облачной функции на Python, чтобы запустить модель, независимо от того, какой триггер я выберу?

Answer 1

1) Вы также можете использовать облачное хранилище. В учебнике он предлагает способ чего-то достичь, но это не единственный абсолютный путь.

2) Вы также можете делать то, что сказали, но я бы сказал, что способ из этого руководства лучше. Вы можете представить свою модель как конечную точку API. Таким образом, у вас будет меньше работы в коде облачных функций, что хорошо.

3) Не уверен, понял ли я этот вопрос. Вам следует использовать триггер HTTP, поскольку вы пытаетесь попасть в конечную точку API.