gcloud ai endpoints create的返回值在哪里定义和记录?
我遵循GCP模型监视,任务是从gcloud ai endpoints create命令输出中获取模型端点ID。
# Deploy your model to the endpoint
ENDPOINT_NAME = "churn"
output = !gcloud --quiet beta ai endpoints create --display-name=$ENDPOINT_NAME --format="value(name)"
print("endpoint outpu
我希望在一个地方管理我所有的Google Cloud机器学习模型(例如AI平台/Kubeflow/AutoML)。但是,我不确定在哪里可以找到AutoML,特别是我已经部署的AutoML表和模型。 随着复杂性的增加,我希望能够将AutoML模型移植到AI平台模型以迭代版本。此外,如果我想进行进一步的定制,我还可以将该模型引入Kubeflow,以进一步定制、版本化、管理和部署。 AI Platform、AutoML和Kubeflow的所有不同模型是如何管理和版本化的?
Nick Sutterer的看起来很棒,但出于某种原因,我无法思考如何将它应用到我的概念验证应用程序中。我读过一些文档和一些博客文章,但仍然不完全理解它是如何工作的。
给定以下条件,模型、表单对象类、视图和控制器的代码会是什么样子?
该应用程序有User和Pet模型。
注册表单接受User.email和他的Pet.name
没有有效的电子邮件地址,用户无法注册。
当用户注册时,将创建User的帐户,并创建一个pet行,并自动与该用户相关联。
样本模型:
用户
# app/models/user.rb
class User < ActiveRecord::Base
这是我正在创建的规范:
describe 'POST create' do
let!(:user){ mock_model(User).as_null_object}
before do
User.stub(:new).and_return "foobs"
end
it{}
end
现在,mocking的全部意义在于你的期望是孤立的,这样你就可以准确地知道你的应用程序哪里出了问题,并且你不会得到连锁反应(就像在集成规范中一样),一个错误的方法可能会导致上百个规范失败。
考虑到这一点,如果我不接触我的用户模型