欢迎浏览sook云!

网站地图

当前位置:主页 > 大宽带 > 项目 >

免备案CDN_国外域名注册网站_怎么样

时间:2021-10-11 05:20

人气:

作者:sook云

标签: 国外  怎么样  备案  网站  域名注册 

导读:在这个博客中,我的目的是介绍TensorFlow和SAP HANA集成,让您了解整个环境,并概述HANA使用外部机器学习的过程。 关于机器学习、深度学习,当然还有人工智能(AI)的宣传非常多,但...

免备案CDN_国外域名注册网站_怎么样

在这个博客中,我的目的是介绍TensorFlow和SAP HANA集成,让您了解整个环境,并概述HANA使用外部机器学习的过程。

关于机器学习、深度学习,人工智能工作,当然还有人工智能(AI)的宣传非常多,但是,在企业环境中理解这些好处可能更具挑战性。能够通过高性能内存平台将最新和最好的深度学习模型集成到企业中,可能会提供竞争优势,或者可能只是跟上竞争对手的步伐?

随着HANA 2.0 SP2的推出,我们能够调用已知的TensorFlow(TF)模型或图形。HANA现在包含了一种通过远程源调用外部机器学习(EML)模型的方法。EML集成是使用包装器函数执行的,与预测分析库(PAL)或业务函数库(BFL)非常相似。与PAL和BFL一样,EML是基于表的,表存储模型元数据、参数和,ecs云服务器,输入数据和输出结果。在最底层,通过SQL创建和访问EML模型,使其成为完美的构建块。

TensorFlow简介

TensorFlow本身非常强大,但将其嵌入到业务流程或事务中可能会改变游戏规则。将其无缝链接到企业数据,并能够使用相同的单一数据源进行交易、分析和无障碍的深度学习已不再是一个梦想。对谁、多少人使用了哪些模型进行一些控制和审计跟踪时间、执行时间和数据可能是企业的核心需求。

TensorFlow本身是一个来自Google的软件库,可通过Python访问。许多例子中,TF被用于处理和分类图像和文本。TF模型通过多层输入张量来工作,张量本身就是一组数字,这些数字存储在一个多维数组中,可以组成一个层,模型的最终输出可能导致一个预测,例如真/假分类。我们使用一种典型的监督学习方法,即TensorFlow模型首先需要训练数据来学习。

如下图所示,TF模型是由许多层组成的,这些层相互反馈。如果训练数据正确,我们可以训练这些模型来识别几乎任何东西,然后将该标识集成到业务流程中。下面我们可以传入一个图像,并要求TensorFlow模型根据训练数据对其进行分类(识别)。

同样,我们可以构建一个需要一些非结构化文本数据的模型。模型的内部结构可能有很大的不同,但总体概念是相似的

对于文本数据和文本分类,Google已经用Word2Vec和Stanford publishing GloVe进行了广泛的研究,提供词的向量表示。可下载预先训练的词向量,涵盖多种语言。

HANA TensorFlow景观

通过SAP HANA TensorFlow集成,有两种不同的场景,模型开发/培训,然后是模型部署。首先开发模型,培训模型,测试模型,在结果已知的情况下,用训练数据验证。这里我们用一个Jupyter笔记本展示了这个环境。最后,您将发布TensorFlow服务的模型,并通过SAP HANA提供该模型。在开发和培训阶段,HANA将主要用作数据源。

一旦发布了用于评分的模型,就不会使用jupyter笔记本和python。模型执行由TensorFlow服务执行,它加载经过训练的模型并等待SAP HANA的输入数据。

通常,大数据公司,要使用TensorFlow服务生成TensorFlow模型,您需要专门开发一个客户端来与该模型交互。使用HANA EML,我们有一个驻留在HANA中的元数据包装器来提供调用多个TensorFlow服务模型的常用方法。使用HANA EML,TensorFlow模型现在可以轻松地集成到企业应用程序和业务流程中。

一些实现细节

至少有3个选项需要考虑

pyHDB–纯Pythonhdbcli–HANA客户端pyodbc–ODBC

我使用的是来自SAP官方GitHub的纯Python库https://github.com/SAP因为这在移动平台时似乎是最简单的,因为它具有最少的依赖性,虽然它还不支持SSL或Kerberos,但可能还不适合生产。Hdbcli是HANA客户机发行版的一部分,是最全面、性能最好的,淘客帝国,但需要从.sar文件进行二进制安装。Pyodbc是一种更适合于Windows环境的通用解决方案。

更新并不总是更好!Python2.7和Python3.6不一定向后或向前兼容。您可以花时间调试针对不同版本编写的示例。您发现的许多示例都没有指定版本,当它们指定版本时,很容易忽略这个重要的细节。我们使用了Python3.6,但发现许多示例都有2.7语法,这在3.6中并不总是有效。我的建议是,在编写TensorFlow Service repository binary是为Python2.7编写的时候,您可能需要自己为Python3.6编译它。

熟悉Jupyter,这是一个很好的交互式开发环境。Jupyter在你的笔记本电脑、amazonwebservices(AWS)或Google云平台(GCP)上运行得同样好。我从笔记本电脑上的Anaconda开始,它提供应用程序(如Jupyter)、轻松的包管理和环境隔离。Jupyter笔记本电脑很容易在本地和AWS/GCP之间移动,只要在两个平台上都安装了相同版本的Python库。

温馨提示:以上内容整理于网络,仅供参考,如果对您有帮助,留下您的阅读感言吧!
相关阅读
本类排行
相关标签
本类推荐

关于我们 | 版权声明 | 广告服务 | 友情链接 | 联系我们 | 网站地图

Copyright © 2002-2020 sook云 版权所有 备案号:豫ICP备36548666号
本站资料均来源互联网收集整理,作品版权归作者所有,如果侵犯了您的版权,请跟我们联系。