【文件属性】：
文件名称：Go机器学习推理的基准-Golang开发
文件大小：10.69MB
文件格式：ZIP
更新时间：2021-05-26 18:53:37
Golang Machine Learning
通常，Go处理结构化的单个样本数据。
因此，我们仅关注表格机器学习模型，例如流行的XGBoost。
通常以支持形式在Linux平台上运行Go服务，因此我们不考虑其他部署选项。
在下面的工作中，我们比较了如何执行此推理任务的典型实现。
Go机器学习基准测试如果给定Go服务中的原始数据，我可以多快获得机器学习推断呢？
通常，Go处理结构化的单个样本数据。
因此，我们仅关注表格机器学习模型，例如流行的XGBoost。
通常以支持形式在Linux平台上运行Go服务，因此我们不考虑其他部署选项。
在下面的工作中，我们比较了如何执行此推理任务的典型实现。
主持人：
【文件预览】：
go-ml-benchmarks-main
----proto()
--------predictor.proto(681B)
----.gitignore(96B)
----bench-uds-grpc-python-xgb()
--------proto()
--------requirements.txt(48B)
--------__init__.py(0B)
--------main.py(2KB)
----third_party()
--------xgboost()
--------grpc()
--------FlameGraph()
----Makefile(7KB)
----data()
--------titanic()
--------models()
----go-client()
--------proto()
--------go.mod(383B)
--------go.sum(15KB)
--------main()
--------main.test(13.18MB)
----bench-gofeatureprocessing-uds-raw-python-xgb()
--------requirements.txt(41B)
--------main.py(958B)
----bench-uds-grpc-cpp-xgb()
--------predictor.cc(2KB)
--------CMakeLists.txt(2KB)
----.gitmodules(311B)
----notebooks()
--------xgb-titanic.ipynb(6KB)
----README.md(9KB)
----cgo-version()
--------go.mod(385B)
--------go.sum(15KB)
--------xgb()
--------main()
----docs()
--------bench-clean.out(654B)
--------profiles()
--------profiles-readme()
--------go-ml-benchmarks.png(148KB)
--------bench.out(3KB)
----bench-http-json-python-gunicorn-flask-sklearn-xgb()
--------requirements.txt(63B)
--------wsgi.py(62B)
--------main.py(1KB)