我已经在GoogleMachineLearning引擎上部署了用于分类的线性模型，并希望使用在线预测预测新数据。当我使用GoogleAPI客户端库调用API时，仅用一个实例就需要0.5秒来获得请求的响应。我期望延迟应小于10微秒（因为模型非常简单），而0.5s的延迟时间太长了。我还尝试使用Predive_proba方法对新数据进行预测。它花了8.2秒的时间得分超过100,000个实例，这比使用GoogleML引擎快得多。有没有办法可以减少在线预测的延迟？发送请求的模型和服务器托管在同一区域中。我想实时做出预测（API收到请求后立即返回响应）。GoogleML引擎适合此目的吗？看答案更多信息将有

自C++11起，标准库容器和std::string具有采用初始化列表的构造函数。此构造函数优先于其他构造函数(甚至，正如@JohannesSchaub-litb在评论中指出的那样，甚至忽略其他“最佳匹配”标准)。在将所有带括号的()形式的构造函数转换为它们的大括号版本时，这会导致一些众所周知的缺陷{}#include#include#include#include#includevoidprint(std::vectorconst&v){std::copy(begin(v),end(v),std::ostream_iterator(std::cout,","));std::cout{1

自C++11起，标准库容器和std::string具有采用初始化列表的构造函数。此构造函数优先于其他构造函数(甚至，正如@JohannesSchaub-litb在评论中指出的那样，甚至忽略其他“最佳匹配”标准)。在将所有带括号的()形式的构造函数转换为它们的大括号版本时，这会导致一些众所周知的缺陷{}#include#include#include#include#includevoidprint(std::vectorconst&v){std::copy(begin(v),end(v),std::ostream_iterator(std::cout,","));std::cout{1