现在机器学习的库都是Python的,而服务器貌似是Java性能最好,怎么处理这个问题?
如果一个机器学习service要承受很大的并发量,这时服务器开发貌似是走Java,而机器学习库基本是Python。
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
如果一个机器学习service要承受很大的并发量,这时服务器开发貌似是走Java,而机器学习库基本是Python。
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
接受
或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
发布评论
评论(6)
python主要做离线机器学习,用于建模用
涉及到高并发、高吞吐、高CPU的时候,往往是在线应用,这个时候明显是C++/Java这样能发挥CPU的高性能语言的天下
现在的方案是,真正做实时机器学习的公司非常少;做非实时的话,python在本地或者服务器连接Spark做分析,然后将结果做成api调用(分布式的话无所谓额)或者讲训练模型交付技术部门实现。
这时候我们一般是用c++来进行工程化的
我是把python当做验证用的。。迅速搭建模型验证下想法,可行后再用其它的实现并上线。
http://go2live.cn/archives/ca...
python,r建模,c++工程