どこで推論を行うか

[kokoichi206]

どこで推論を行うか

1. Edge(Android)
2. 自宅サーバー
3. cloud funtions など
4. （そもそも）TensorFlow Lite を使って学習する

[kokoichi206]

1. Edge(Android)

メリット

• 通信環境が不要
• スケーラビリティなどの考慮不要

デメリット

• Web, iOS など他のアプリでも推論のプロセスを組み直す必要がある
• Kotlin などで適したライブラリがあるか不明

2. 自宅サーバー

メリット

• 楽
• Android 等よりはリソースが十分に使えそう
• 学習と同じような手順で、python を使ってできる

デメリット

• 負荷分散などが今のところできてない
  • 個人利用ならいいって妥協する？

3. cloud functions など

メリット

• 楽そう
• よし何やってくれる部分が多そう
  • 自動スケーリングは大きい

デメリット

• ちゃんと調べないとお金がかかるかも

4. （そもそも）TensorFlow Lite を使って学習する

メリット

• Android で使うための例が豊富
• Raspberry Pi もあるので面白そう
• Android で動かすのは速そう

デメリット

• Web とかでどう使ったらいい？
• 学習の段階から少し変える？

考察

• 今回はノーマルの機械学習メソッドになれるのも目的であるため、TensorFlow Lite は次回行う。

[kokoichi206]

「3. cloud functions など」について

GCP を使う場合

• Cloud Run
  • URL ごとに１つの関数を配置できる
  • 関数を増やしたくなった場合、最初から「Cloud Functions」などでやった方が良さそう
• Cloud Functions
  • コンテナによってラウドイベントに対応できる
  • 「デプロイしたコンテナの自動スケーリング」などに対応！
• App Engines, Kubernetes Engine
  • 今回の目的（解析用のバックエンド）にしてはやりすぎ

AWS を使う場合

GCP との大雑把な比較

• Amazon Elastic Container Service (Amazon ECS)
  • Cloud Run
• AWS Lambda
  • Cloud Functions
• Amazon Elastic Kubernetes Service (EKS)
  • Google Kubernetes Engine

選定

以下の点から「Cloud Run」を使う

• 自動でスケールする
• 使いたい関数が増えたときに、サービスを増やさずに実装可能
• ドキュメントが見やすい