Passaggio 6: esegui il deployment del modello
Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.
Puoi addestrare, ottimizzare ed eseguire il deployment di modelli di machine learning su Google Cloud. Quando esegui il deployment del modello, tieni presente quanto segue:
- Assicurati che i dati di produzione seggano la stessa distribuzione dei dati di addestramento e valutazione.
- Rivaluta regolarmente raccogliendo più dati di addestramento.
- Se la distribuzione dei dati cambia, riaddestra il modello.
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2025-07-27 UTC.
[null,null,["Ultimo aggiornamento 2025-07-27 UTC."],[[["\u003cp\u003eGoogle Cloud provides a platform for training, tuning, and deploying machine learning models.\u003c/p\u003e\n"],["\u003cp\u003eMaintaining data consistency between training, evaluation, and production is crucial for optimal model performance.\u003c/p\u003e\n"],["\u003cp\u003eContinuous model improvement involves regular data collection, reevaluation, and retraining to adapt to evolving data distributions.\u003c/p\u003e\n"]]],[],null,["You can train, tune, and deploy machine learning models on Google Cloud.\nPlease keep in mind the following key things when deploying your model:\n\n- Make sure your production data [follows the same distribution](https://developers.google.com/machine-learning/guides/rules-of-ml/?utm_source=DevSite&utm_campaign=Text-Class-Guide&utm_medium=referral&utm_content=rules-of-ml&utm_term=distribution#training-serving_skew) as your training and evaluation data.\n- Regularly re-evaluate by collecting more training data.\n- If your data distribution changes, retrain your model."]]
