確かに、それは可能です。 Google Cloud Machine Learning には、Cloud Machine Learning Engine (CMLE) と呼ばれる機能があります。 CMLE は、クラウドで機械学習モデルをトレーニングおよびデプロイするための強力でスケーラブルなプラットフォームを提供します。 これにより、ユーザーはクラウド ストレージからデータを読み取り、トレーニングされたモデルを推論に利用できるようになります。
クラウド ストレージからデータを読み取る場合、CMLE は、Google Cloud Storage を含むさまざまなストレージ オプションとのシームレスな統合を提供します。 ユーザーは、トレーニング データやその他の関連ファイルを Cloud ストレージ バケットに保存できます。 CMLE は、トレーニング プロセス中にこれらのバケットにアクセスしてデータを読み取ることができます。 これにより、効率的かつ便利なデータ管理が可能になるだけでなく、ローカル ストレージ容量を超える可能性がある大規模なデータセットを活用することも可能になります。
トレーニング済みモデルの使用に関して、CMLE を使用すると、ユーザーは予測タスク用にクラウド ストレージに保存されているトレーニング済みモデルを指定できます。 モデルがトレーニングされてクラウド ストレージに保存されると、CMLE で簡単にアクセスして新しいデータを予測するために利用できます。 これは、トレーニングされたモデルをデプロイし、運用環境でリアルタイムの予測を行う必要がある場合に特に役立ちます。
この概念を説明するために、機械学習モデルが画像を分類するようにトレーニングされているシナリオを考えてみましょう。 トレーニングされたモデルは Cloud Storage バケットに保存されます。 CMLE を使用すると、ユーザーはクラウド ストレージ内のトレーニング済みモデルの場所を指定し、それをエンドポイントとしてデプロイできます。 このエンドポイントは、分類のために新しい画像を送信するために使用できます。 CMLE は、トレーニング済みモデルをクラウド ストレージから読み取り、必要な計算を実行し、入力画像に基づいて予測を提供します。
実際、CMLE には、クラウド ストレージからデータを読み取り、推論用のトレーニング済みモデルを指定する機能があります。 この機能により、効率的なデータ管理と、トレーニングされたモデルを現実世界のアプリケーションに展開することが可能になります。
その他の最近の質問と回答 機械学習の進歩:
- 機械学習で大規模なデータセットを扱う場合の制限は何ですか?
- 機械学習は対話的な支援を行うことができるでしょうか?
- TensorFlow プレイグラウンドとは何ですか?
- イーガー モードは TensorFlow の分散コンピューティング機能を妨げますか?
- Google クラウド ソリューションを使用してコンピューティングをストレージから分離し、ビッグデータを使用した ML モデルのトレーニングをより効率的に行うことはできますか?
- Google Cloud Machine Learning Engine (CMLE) は、リソースの自動取得と構成を提供し、モデルのトレーニング終了後にリソースのシャットダウンを処理しますか?
- 任意の大規模なデータセットで機械学習モデルを問題なくトレーニングすることは可能でしょうか?
- CMLE を使用する場合、バージョンを作成するには、エクスポートされたモデルのソースを指定する必要がありますか?
- Tensorflow はディープ ニューラル ネットワーク (DNN) のトレーニングと推論に使用できますか?
- グラディエント ブースティング アルゴリズムとは何ですか?
その他の質問と回答:
- フィールド: Artificial Intelligence
- プログラム: EITC/AI/GCMLGoogleクラウド機械学習 (認定プログラムに進む)
- レッスン: 機械学習の進歩 (関連するレッスンに行く)
- トピック: GCPBigQueryとオープンデータセット (関連トピックに移動)