Увеличение масштаба Keras с помощью оценщиков

Знаете ли вы, что вы можете преобразовать модель Keras в оценщик TensorFlow? Это даст вам целый ряд вариантов распределенного обучения и масштабирования. Мы собираемся подготовить модель Keras к запуску в масштабе, преобразовав ее в оценщик TensorFlow.

Модель Кераса, встречайте оценщика

Итак, у нас есть модель Кераса; простой для определения, понятный для чтения и удобный в обслуживании. Но у нас это не так хорошо с масштабированием до более крупных наборов данных или запуском на многих машинах.

К счастью, у Keras и TensorFlow есть фантастические возможности взаимодействия.

Мы хотели бы преобразовать нашу модель в Keras Estimator, который поставляется со встроенным распределенным обучением. Это наш билет к решению наших задач по масштабированию.

Кроме того, это упрощает выполнение обслуживания моделей после завершения обучения.



Развертывание моделей scikit-learn в масштабе
Scikit-learn отлично подходит для создания быстрой модели для тестирования вашего набора данных. Но что, если вы хотите запустить его… в сторонуdatascience.com



Мельчайший песок

Интересующая нас функция называется model_to_estimator. Часть «модель» относится к модели Кераса, а «оценщик» относится к оценщику TensorFlow.

Я взял блокнот, с которого мы начали в предыдущем эпизоде и обновил его новым кодом для преобразования нашей модели Keras в оценщик TensorFlow. Мы также рассмотрим, как экспортировать модель Keras и модель TensorFlow после завершения обучения.



Пошаговое руководство: начало работы с Keras с использованием Kaggle
Это короткий пост - реальная суть в приведенном ниже скринкасте, где я просматриваю код! к науке. com



Я записал скринкаст с моим ядром Kaggle, чтобы проиллюстрировать детали того, как все это происходит:

Подведение итогов

Распределенное обучение с использованием оценщиков TensorFlow - это простая настройка модели Keras одной строкой. Итак, теперь у вас есть лучшее из обоих миров: простой для чтения синтаксис создания модели Keras, а также распределенное обучение с помощью оценщиков TensorFlow.

Просто помните, что все, что вам нужно для распределенного обучения с вашей моделью Keras, - это использовать model_to_estimator.

Спасибо, что прочитали этот выпуск Cloud AI Adventures. Если вам нравится этот сериал, дайте мне знать, хлопнув по статье. Если вы хотите больше машинного обучения, обязательно подпишитесь на я на Medium или подпишитесь на канал YouTube, чтобы отслеживать будущие выпуски по мере их выхода. Скоро к вам будут добавлены новые серии!