Modele de deploiement

Les journaux de modèle et les statistiques sont conservés uniquement tant que le réplica individuel est actif. Cloudera Data science Workbench peut redémarrer un réplica à tout moment, il est jugé nécessaire (comme une mauvaise entrée dans le modèle). TensorFlow fournit une interface de ligne de commande que vous pouvez utiliser pour les aspects de vérification de la santé de votre SavedModel, tels que la mise en forme d`entrée et SignatureDefs. En savoir plus sur l`interface de ligne de commande SavedModel. Réduisez la taille des autres entités en entrée dans le dossier Assets de votre répertoire SavedModel. Par exemple, utilisez des tailles de vocabulaire plus petites pour les données textuelles. Les modèles tabulaires sont définis avec plusieurs propriétés spécifiques au déploiement. Lorsque vous déployez, une connexion à l`instance Analysis Services spécifiée dans la propriété Server est établie. Une nouvelle base de données modèle avec le nom spécifié dans la propriété Database est ensuite créée sur cette instance, si elle n`existe pas déjà. Les métadonnées du fichier Model. BIM du projet modèle sont utilisées pour configurer des objets dans la base de données du modèle sur le serveur de déploiement.

Avec l`option de traitement, vous pouvez spécifier si oui ou non uniquement les métadonnées du modèle sont déployées, créer la base de données du modèle ou si Default ou Full est spécifié, les informations d`identification utilisées pour se connecter aux sources de données sont transmises en mémoire à partir de l`espace de travail du modèle base de données du modèle déployé. Analysis Services exécute ensuite le traitement pour renseigner les données dans le modèle déployé. Une fois le processus de déploiement terminé, le modèle peut ensuite être connecté par des applications clientes à l`aide d`une connexion de données ou à l`aide d`un fichier de connexion. BISM dans SharePoint. Vous devez utiliser une balise pour spécifier quel graphique dans votre SavedModel est utilisé pour servir les prédictions. Dans add_meta_graph_and_variables, ajoutez tag_constants. SERVIR à votre liste de balises. Votre SavedModel doit être 250 Mo ou plus petit à déployer avec Cloud ML Engine. Cela inclut tous les Assets et variables dans votre répertoire SavedModel, pas seulement le fichier de tampon de protocole SavedModel lui-même (c`est-à-dire saved_model. PB ou saved_model. pbtxt).

Les options de déploiement de projet et les propriétés du serveur de déploiement spécifient comment et où un modèle est déployé dans un environnement d`analyse des services de production ou de mise en scène. Alors que les paramètres de propriété par défaut sont définis pour tous les projets de modèle, en fonction de vos besoins spécifiques de déploiement, vous pouvez modifier ces paramètres de propriété pour chaque projet.