在H2O中部署自定义构建的TensorFlow模型
我正在考虑使用H2O创建一个面向客户机的应用程序，他们可以从中导入数据并在其上运行ML模型。由于H2O目前只提供有限数量的模型，有没有办法构建自定义模型（例如TensorFlow中的LSTM），将它们导入H2O中，然后可以像H2O包含的任何模型一样运行它们 似乎H2O的深水是最接近于此的解决方案，但他们现在已经停止了其开发在H2O中部署自定义构建的TensorFlow模型,tensorflow,h2o,Tensorflow,H2o,我正在考虑使用H2O创建一个面向客户机的应用程序，他们可以从中导入数据并在其上运行ML模型。由于H2O目前只提供有限数量的模型，有没有办法构建自定义模型（例如TensorFlow中的LSTM），将它们导入H2O中，然后可以像H2O包含的任何模型一样运行它们 似乎H2O的深水是最接近于此的解决方案，但他们现在已经停止了其开发 换句话说，是否有任何方法可以促进H2O不支持的不同类型的模型？（SVM、RNN、CNN、GAN等）对不起，在H2O-3中部署非H2O-3模型是不受支持的。这很不幸-为什么会这
换句话说，是否有任何方法可以促进H2O不支持的不同类型的模型？（SVM、RNN、CNN、GAN等）对不起，在H2O-3中部署非H2O-3模型是不受支持的。这很不幸-为什么会这样？我对理解H2O是如何工作的非常陌生，所以请原谅我的无知，但是对于H2O运行一个模型来说，从H2O的角度来看，整个模型难道不能本质上是一个“黑箱”吗？H2O只是将数据输入模型并检索输出？我的大部分工作都涉及到时间序列问题，我对整合H2O的想法感到兴奋，但现在似乎它对时间序列模型的限制太大了。主要原因是H2O的模型是内部构建的，设计用于大规模运行和分布（请注意，设计一个要分发的模型本身就是一项壮举）-H2O没有使用其他人的模型并将其视为一个“黑匣子”。这非常有意义，我理解。谢谢