人工智能平台 PAI：离线批量预测

在开发环境进行批量预测

Designer中提供了多种预测组件，分别对应不同的算法和场景，拖入画布中可直接使用。

• 对于在左侧组件列表中成对出现的训练和预测组件（例如FM算法组件），训练完成后直接使用对应的预测组件进行数据的批量预测。

• 对于没有独立预测组件的算法，训练完成后可以使用通用的预测组件进行数据的批量预测。

  重要

  通用的预测组件可接收的模型格式为OfflineModel，而不是PMML。

• 对于已有模型，可以使用组件导入模型和预测数据后，在组件下游连接预测组件进行预测和部署。

离线预测工作流部署周期性调度

离线预测工作流测试通过后，您可以将预测工作流提交到DataWorks进行周期性调度。

1. 将离线训练得到的模型同步至生产环境。

   如果您的DataWorks工作空间是标准模式，由于开发环境和生产环境的MaxCompute数据相互隔离，将预测工作流配置周期性调度任务前，需要先将离线训练得到的模型同步至生产环境。

   • 使用通用模型导出组件和导入MaxCompute离线模型组件（推荐）

     使用通用模型导出组件将训练得到的OfflineModel格式模型导出至OSS中，然后在周期性运行的预测工作流中，在实际执行时使用导入MaxCompute离线模型组件从OSS中导入所需模型。

   • 使用复制MaxCompute离线模型组件和读MaxCompute离线模型组件

     说明

     复制操作需要写入生产环境的MaxCompute存储，因此只有工作空间管理员或生产账号才能执行，详情请参见权限说明。

     使用复制MaxCompute离线模型组件将训练得到的OfflineModel格式模型直接复制到生产环境，然后在周期性运行的预测工作流中，使用读MaxCompute离线模型组件来读取生产环境的模型。

2. 使用DataWorks离线调度Designer工作流。

相关文档

离线预测结果符合预期后，如果您需要将模型部署为EAS在线服务，可以通过单模型部署在线服务，或将离线数据处理pipeline打包成一个pipeline模型，通过Pipeline部署在线服务。