Saturs
J:
Kā konteineru sagatavošana var būt laba izvēle mašīnmācīšanās projekta videi?
A:
Daži uzņēmumi virzās uz konteinerēšanu mašīnmācības projektiem, pamatojoties uz dažām priekšrocībām, ko konteineru iestatījumi piedāvā platformu un programmatūras vides ziņā.
Mašīnmācība ir sarežģīta - paši algoritmi veic ļoti daudz ļoti detalizētu un sarežģītu darbību ar datiem. Tomēr vērtības piedāvājums dažos veidos ir diezgan vienkāršs - mašīnmācīšanās algoritmi darbojas ar datiem, kas nāk no uzglabāšanas vidēm.
Konteineru izmantošana ir saistīta ar to, kā inženieri ievieto datus mašīnmācīšanās vidē un kā darbojas algoritmi.
Inženieri konteineru virtualizāciju var izmantot vai nu datu izvietošanai, vai arī kodu izvietošanai, kas darbina algoritmus. Lai gan konteineri var būt noderīgi datiem, to galvenais ieguvums, iespējams, ir to izmantošanā, izmantojot mājas algoritma kodu.
Konteineru arhitektūrā ir iebūvētas lietotnes un kodu bāzes. Katrs konteiners iegūst savu operētājsistēmas klonu, un tas iegūst pilnīgu darbības vidi lietotnes vai koda funkciju kopai, kas tajā atrodas.
Tā rezultātā atsevišķās lietotnes, mikropakalpojumus vai kodu bāzes, kas atrodas katrā konteinerā, var izvietot ļoti daudzpusīgi. Tos var izvietot dažādās platformās un dažādās vidēs.
Tagad pieņemsim, ka jūs mēģināt uzvilkt mašīnmācīšanās projektu, kurā dažādiem algoritmiem iteratīvā veidā ir jādarbojas ar dažādiem datu elementiem. Ja jums ir apnicis rīkoties ar vairāku platformu izaicinājumiem vai atkarības jautājumiem vai situācijās, kad ir sarežģīti izvietot melno metālu, konteineri var būt risinājums.
Būtībā konteineri nodrošina iespēju mitināt kodu. Eksperti runā par konteineru izvietošanu salīdzinājumā ar saglabātajiem datiem, lai iegūtu labus rezultātus.
”(Lietotnes) var sajaukt un pielāgot jebkuram skaitam platformu, praktiski nav nepieciešama pārnešana vai testēšana,” Deivids Lintikums raksta TechBeacon rakstā, kurā izskaidrota konteineru vērtība mašīnmācības projektiem, “jo tie pastāv konteineros , tie var darboties ļoti izplatītā vidē, un jūs varat šos konteinerus novietot tuvu datiem, kurus analizē lietojumprogrammas. ”
Linthicum turpina runāt par mašīnmācīšanās pakalpojumu kā mikropakalpojumu eksponēšanu. Tas ļauj ārējām lietojumprogrammām - neatkarīgi no konteinera vai bez tām - izmantot šos pakalpojumus jebkurā laikā, nepārvietojot kodu lietojumprogrammā.
Pamata izpratnē konteineru izvietošana ir saistīta ar mašīnmācīšanās programmas funkcionalitātes pielāgošanu - likvidējot tvertnes un nevajadzīgus savienojumus - un atkal atkarības -, kas var sabojāt projektu. Liesam, vidējam mašīnmācīšanās projektam, ja atsevišķas algoritmu vai lietojumprogrammu daļas vai funkcionalitāte ir ievietota konteineros, ir viegli mikromēģināt šos patstāvīgos gabalus un atbilstoši izveidot sarežģītus mašīnmācīšanās produktu projektus.