Google Cloud AI Platform တွင် ဖြန့်ဝေထားသော စက်သင်ယူခြင်း (ML) မော်ဒယ်သင်တန်းကို အသုံးပြုသည့်အခါ၊ လေ့ကျင့်ရေးတွင် အသုံးပြုသည့် စက်အရေအတွက်ကို သတ်မှတ်ရန် CMLE (Cloud Machine Learning Engine) မော်ဒယ် ဖြန့်ကျက်မှုအတွက် အမှန်ပင် ဖွဲ့စည်းမှုဖိုင်ကို သင်အမှန်တကယ် အသုံးပြုနိုင်ပါသည်။ သို့သော် အသုံးပြုမည့် စက်အမျိုးအစားကို တိုက်ရိုက်သတ်မှတ်ရန် မဖြစ်နိုင်ပါ။
ဖြန့်ဝေထားသော ML မော်ဒယ်လေ့ကျင့်ရေးတွင်၊ CMLE မော်ဒယ်ဖြန့်ကျက်ဖွဲ့စည်းမှုပုံစံဖိုင်သည် လေ့ကျင့်မှုအတွက် စကေးအဆင့်ကို သတ်မှတ်ခွင့်ပြုသည်။ စကေးအဆင့်သည် လေ့ကျင့်ရေးအလုပ်တွင် အသုံးပြုသည့် စက်အရေအတွက်နှင့် အမျိုးအစားကို ဆုံးဖြတ်သည်။ စကေးအဆင့်ရွေးချယ်မှုများသည် BASIC မှ CUSTOM အထိ ကွာဟပြီး အဆင့်တစ်ခုစီတွင် ကြိုတင်သတ်မှတ်ထားသော အလုပ်သမားအရေအတွက်နှင့် ကန့်သတ်ချက်ဆာဗာများပါရှိသည်။ သင့်လျော်သောစကေးအဆင့်ကို ရွေးချယ်ခြင်းဖြင့် လေ့ကျင့်ရေးအတွက် အသုံးပြုသည့် စက်အရေအတွက်ကို သင်ထိန်းချုပ်နိုင်သည်။
ဥပမာအားဖြင့်၊ သင်သည် စကေးအဆင့် BASIC ကိုရွေးချယ်ပါက၊ ၎င်းသည် အလုပ်သမားတစ်ဦးတည်းနှင့် ကန့်သတ်ချက်ဆာဗာများကို အသုံးပြုမည်ဖြစ်သည်။ အခြားတစ်ဖက်တွင်၊ သင်သည် စကေးအဆင့် STANDARD_1 ကိုရွေးချယ်ပါက၊ ၎င်းသည် အလုပ်သမားတစ်ဦးနှင့် ပါရာမီတာဆာဗာတစ်ခုကို အသုံးပြုမည်ဖြစ်သည်။ စကေးအဆင့် PREMIUM_1 သည် အလုပ်သမားတစ်ဦးနှင့် ကန့်သတ်ချက်ဆာဗာလေးခုကို အသုံးပြုထားသော်လည်း စကေးအဆင့် CUSTOM သည် သင့်အား အလုပ်သမားအရေအတွက်နှင့် ကန့်သတ်ချက်ဆာဗာများကို ပြတ်သားစွာ သတ်မှတ်ခွင့်ပြုထားသည်။
သို့သော် စက်အရေအတွက်ကို သင်သတ်မှတ်နိုင်သော်လည်း လေ့ကျင့်ရေးတွင် အသုံးပြုသည့် စက်အမျိုးအစားကို တိုက်ရိုက်သတ်မှတ်၍မရပါ။ အသုံးပြုသည့် စက်အမျိုးအစားကို စကေးအဆင့်ဖြင့် ဆုံးဖြတ်ပြီး Google Cloud AI Platform မှ ကြိုတင်သတ်မှတ်ထားသည်။ စကေးအဆင့်တစ်ခုစီတွင် ၎င်းနှင့်ဆက်စပ်နေသည့် ပုံသေစက်အမျိုးအစားတစ်ခုရှိပြီး၊ ပေးထားသောစကေးအဆင့်အတွက် အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ထားသည်။ ဥပမာအားဖြင့်၊ BASIC စကေးအဆင့်သည် n1-standard-1 စက်အမျိုးအစားကိုအသုံးပြုပြီး STANDARD_1 စကေးအဆင့်သည် n1-standard-4 စက်အမျိုးအစားကိုအသုံးပြုသည်။
လေ့ကျင့်ရေးတွင် အသုံးပြုသည့် စက်အမျိုးအစားများကို ပိုမိုထိန်းချုပ်ရန် လိုအပ်ပါက၊ သင်သည် Cloud AI Platform ဖြင့် စိတ်ကြိုက်ကွန်တိန်နာများကို အသုံးပြုနိုင်ပါသည်။ စိတ်ကြိုက်ကွန်တိန်နာများဖြင့်၊ သင်သည် လေ့ကျင့်ရေးအတွက် လိုအပ်သော စက်အမျိုးအစားများနှင့် အခြားမှီခိုမှုများကို သတ်မှတ်နိုင်စေမည့် သင်၏ကိုယ်ပိုင်လေ့ကျင့်ရေးပုံရိပ်ကို တည်ဆောက်ပြီး အသုံးချနိုင်သည်။ စိတ်ကြိုက်ကွန်တိန်နာတစ်ခုကို ဖန်တီးခြင်းဖြင့်၊ သင်သည် သင်၏လေ့ကျင့်ရေးလိုအပ်ချက်များနှင့်ကိုက်ညီသော တိကျသောစက်အမျိုးအစားများကို သတ်မှတ်ရန် လိုက်လျောညီထွေရှိနိုင်သည်။
Google Cloud AI Platform တွင် ဖြန့်ဝေထားသော ML မော်ဒယ်သင်တန်းကို အသုံးပြုသည့်အခါ၊ CMLE မော်ဒယ်ဖြန့်ကျက်ဖွဲ့စည်းမှုပုံစံဖိုင်မှတစ်ဆင့် လေ့ကျင့်ရေးအတွက် အသုံးပြုသည့် စက်အရေအတွက်ကို သင်သတ်မှတ်နိုင်ပါသည်။ သို့သော်၊ ၎င်းကို စကေးအဆင့်ဖြင့် ဆုံးဖြတ်ထားသောကြောင့် သင်အသုံးပြုသည့် စက်အမျိုးအစားကို တိုက်ရိုက်မသတ်မှတ်နိုင်ပါ။ စက်အမျိုးအစားများကို ပိုမိုထိန်းချုပ်ရန် လိုအပ်ပါက၊ သင်သည် စိတ်ကြိုက်ကွန်တိန်နာများကို အသုံးချ၍ သင်၏ကိုယ်ပိုင်လေ့ကျင့်ရေးပုံရိပ်ကို တည်ဆောက်ကာ အသုံးပြုနိုင်သည်။
အခြား လတ်တလောမေးခွန်းများနှင့် အဖြေများ EITC/AI/GCML Google Cloud Machine Learning:
- Text to speech (TTS) ဆိုတာ ဘာလဲ၊ AI နဲ့ ဘယ်လိုအလုပ်လုပ်သလဲ။
- စက်သင်ယူမှုတွင် ကြီးမားသောဒေတာအတွဲများနှင့် လုပ်ဆောင်ရာတွင် ကန့်သတ်ချက်များကား အဘယ်နည်း။
- စက်သင်ယူခြင်းသည် ဒိုင်ယာလော့ဂ်အကူအညီအချို့ကို ပေးနိုင်ပါသလား။
- TensorFlow ကစားကွင်းဆိုတာဘာလဲ။
- ပိုကြီးသောဒေတာအတွဲသည် အမှန်တကယ် ဘာကိုဆိုလိုသနည်း။
- algorithm ၏ hyperparameters များ၏ ဥပမာအချို့ကား အဘယ်နည်း။
- Ensamble Learning ဆိုတာ ဘာလဲ။
- ရွေးချယ်ထားသော machine learning algorithm သည် မသင့်လျော်ပါက မည်ကဲ့သို့ မှန်ကန်သည်ကို ရွေးချယ်ရန် သေချာနိုင်မည်နည်း။
- စက်သင်ယူမှုပုံစံသည် ၎င်း၏လေ့ကျင့်နေစဉ်အတွင်း ကြီးကြပ်မှုလိုအပ်ပါသလား။
- အာရုံကြောကွန်ရက်အခြေပြု အယ်လဂိုရီသမ်များတွင် အသုံးပြုသည့် အဓိက ကန့်သတ်ဘောင်များသည် အဘယ်နည်း။
EITC/AI/GCML Google Cloud Machine Learning တွင် နောက်ထပ်မေးခွန်းများနှင့် အဖြေများကို ကြည့်ပါ။