TensorFlow thứ 4 tỷ lệ cá cược bóng đá ứng dụng web Java (Phiên bản xem xét) (1/3)

tỷ lệ cá cược bóng đá Phần 4, chúng ta sẽ thảo luận cách chạy một mô hình đã đào tạo được tạo bằng TensorFlow tỷ lệ cá cược bóng đá một hệ thống thực tế và cụ thể hơn là cách sử dụng mô hình đó từ một ứng dụng web viết bằng Java

1) Nó có hoạt động với Java không?

Với nội dung đến Phần 3, bạn đã có thể triển khai deep learning bằng TensorFlow
Sếp sẽ nói gì nếu bạn báo cáo?
Nếu sếp của bạn là một người lạc quan, ông ấy có thể nói, ``Được rồi, hãy đưa điều đó vào hệ thống ví dụ!''
Sau khi bạn vui vẻ quyết định ngày giờ cho cuộc họp tiếp theo, sếp chặn bạn lại khi bạn quay lại chỗ ngồi và nói:

Đúng vậy "Hệ thống ví dụ" là một hệ thống web sử dụng Java Những gì tôi có tỷ lệ cá cược bóng đá tay là một tập lệnh Python
Bây giờ, chuyện gì đang xảy ra vậy

Tính đến năm 2017, tôi cho rằng Python là ngôn ngữ được sử dụng phổ biến nhất cho machine learning, bao gồm cả deep learning
Mặt khác, bên sử dụng mô hình đã huấn luyện thì sao? Tôi không thể nói điều này một cách chắc chắn, nhưng khi tôi nhìn xung quanh bàn làm việc của mình, tôi có cảm giác rằng GUI là về hệ thống web và hệ thống web là về Java

Lần này, tôi muốn giả sử một tình huống hơi bất thường tỷ lệ cá cược bóng đá đó "chức năng AI" được tích hợp vào một ứng dụng hiện có được viết bằng Java và xem xét các cách khắc phục sự khác biệt giữa môi trường ứng dụng và học sâu

Tùy chọn 1: Khởi chạy quy trình Python từ Java

Nếu đã triển khai học sâu tỷ lệ cá cược bóng đá Python, bạn sẽ nghe thấy lời thì thầm của quỷ dữ đề xuất tùy chọn này

Ý tưởng thực ra rất đơn giản: bắt đầu một quy trình Python từ Java và trao đổi dữ liệu bằng cách sử dụng các đường dẫn và đầu vào/đầu ra tiêu chuẩn
Bạn có thể sử dụng chương trình Python của riêng mình với ít sửa đổi nhất và chương trình này hoạt động bất kể bạn sử dụng thư viện nào, vì vậy, có thể không phải là một ý tưởng tồi nếu bạn dùng thử chương trình này

Tuy nhiên, khi áp dụng nó vào môi trường sản xuất, có nhiều thứ khó quản lý, chẳng hạn như sự rắc rối khi quản lý các quy trình Python (xác nhận hoàn thành khởi động, phản hồi việc chấm dứt bất thường, vv) và khả năng mở rộng xử lý
Mỗi cá nhân có quyền quyết định tiếp tục hay rút lui nếu họ cảm thấy mình sẽ gặp khó khăn tỷ lệ cá cược bóng đá tương lai, nhưng tôi thực sự không muốn tiếp tục bằng phương pháp này

Phương án 2: Từ bỏ và triển khai lại tỷ lệ cá cược bóng đá Java

Đây là mẫu chọn lại thư viện deep learning cho phù hợp với ứng dụng và triển khai lại quy trình
Nếu dự án nhắm đến ứng dụng sản xuất ngay từ đầu, bạn có thể chọn thư viện tùy theo ứng dụng trước khi bắt đầu học sâu

Nếu đã tạo nó bằng Python, bạn sẽ phải chịu chi phí tìm hiểu thư viện mới và triển khai lại mô hình hiện có, nhưng không thể bỏ qua lợi thế của việc chạy tỷ lệ cá cược bóng đá cùng môi trường với ứng dụng
Việc tích hợp với các ứng dụng sẽ dễ dàng hơn và vì bạn chỉ cần xem xét một ngôn ngữ khi quản lý và duy trì mã nguồn nên bạn có thể kỳ vọng việc tuyển dụng và đào tạo nhân viên sẽ dễ dàng hơn
(Tất nhiên, có thể sử dụng ngôn ngữ đó và có thể duy trì khả năng học sâu là hai vấn đề khác nhaunhưng tôi chắc chắn rằng việc này sẽ trở nên dễ dàng hơn nên hãy kiên nhẫn chờ đợi ở đây)

Ngoài ra, liên quan đến chi phí học một thư viện mới, có khả năng trực giác sẽ hoạt động ở một mức độ nào đó dựa trên kinh nghiệm triển khai nó với một thư viện học sâu khác và bạn cũng có thể mơ ước rằng việc này có thể dễ dàng hơn mong đợi nếu bạn thử
Điều này là do mặc dù ngôn ngữ và thư viện khác nhau nhưng nội dung được triển khai tỷ lệ cá cược bóng đá deep learning là như nhau và đặc biệt đối với các API cấp cao như Keras và API Layes của TensorFlow, các phương pháp triển khai có xu hướng tương tự nhau

Tuy nhiên, không còn nghi ngờ gì nữa, đó là một lựa chọn đòi hỏi lòng dũng cảm
Đặc biệt, đây là phương pháp để lại nhiều tiếc nuối khi cố tình từ bỏ môi trường Python, môi trường hiện đang có lợi cho việc triển khai deep learning

Tùy chọn 3: Sử dụng chung API TensorFlow Java

Đối với các thư viện có thể sử dụng bằng nhiều ngôn ngữ, có thể xây dựng và huấn luyện mô hình bằng ngôn ngữ dễ sử dụng và sử dụng ngôn ngữ đó phù hợp với ứng dụng

TensorFlow có thể được sử dụng với Java và C++ ngoài Python nên có thể tìm hiểu và sử dụng nó với Python
AWS hỗ trợ mọi thứ ngoài TensorFlowtừ sáu ngôn ngữ bao gồm Python, Scala và Microsoftcó sẵn từ Python và C# và C++

Tuy nhiên, phiên bản Java của TensorFlow vẫn đang tỷ lệ cá cược bóng đá giai đoạn thử nghiệm và có cảnh báo rằng có thể có những thay đổi không tương thích đối với API tỷ lệ cá cược bóng đá tương lai
Ngoài ra, các tính năng mới nhất không phải lúc nào cũng được tích hợp vào API Java và nhiều tính năng, bao gồm cả Công cụ ước tính được sử dụng tỷ lệ cá cược bóng đá mã ở phần 3, không có sẵn tỷ lệ cá cược bóng đá Java

Nếu bạn bỏ qua những rào cản này và cung cấp nó cho Java, bạn sẽ gặp phải vấn đề về tiêu thụ bộ nhớ
Các mô hình được đào tạo trên quy mô lớn sẽ tiêu tốn một lượng bộ nhớ đáng kể khi sử dụng, do đó chúng có xu hướng chiếm quá nhiều bộ nhớ của ứng dụng
tỷ lệ cá cược bóng đá trường hợp đó, bạn sẽ muốn quản lý mô hình đã đào tạo và ứng dụng một cách riêng biệt và bạn sẽ nghĩ đến tùy chọn tiếp theo

Phương án 4: Tách mô hình đã đào tạo bằng cách biến nó thành dịch vụ

Đây là một phương pháp cho phép bộ phận chạy mô hình đã đào tạo được quản lý tách biệt khỏi ứng dụng bằng cách triển khai nó như một dịch vụ có thể được gọi thông qua REST hoặc SOAP

Phương pháp này có ba ưu điểm:

• Học sâu và ứng dụng có thể được triển khai tỷ lệ cá cược bóng đá môi trường ngôn ngữ tối ưu cho từng ứng dụng
• Chi phí bổ sung không nhiều lắm
  • Chi phí biến mô hình đã đào tạo thành dịch vụ
• Có thể tách quản lý dịch vụ khỏi phần ứng dụng
  • Quản lý mã nguồn, quản lý sự sống và cái chết, quản lý bộ nhớ, vv
  • Cũng có thể chạy ứng dụng và mô hình đã đào tạo trên các máy riêng biệt

Nói cách khác, có thể nói đây là một phương pháp cân bằng tốt giúp giảm bớt nhược điểm của các phương án 1 đến 3