机器学习PAI目前主要是预测部分,我们输入特征100个左右,在go和c++里都实现了一版循环调用process方法(cogo模式调用serving/processor/serving/processor.cc),每单条数据需要耗时6ms左右,循环50条数据需要300ms左右,我们线上通过tfgo批量预测50条平响在11ms,性能差异比较大,想了解下怎么提升预测性能?当然可能是我们的测试代码不对,也可能是我们用法不对,所以想了解下其他同学是咋用的?
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
人工智能平台 PAI(Platform for AI,原机器学习平台PAI)是面向开发者和企业的机器学习/深度学习工程平台,提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务,内置140+种优化算法,具备丰富的行业场景插件,为用户提供低门槛、高性能的云原生AI工程化能力。