开发人员实施机器学习和操作(Ls)

heyjoypaul

传统软件的生命周期可以说是相当简单的。最简单的是，您开发、测试和部署软件，然后根据需要发布包含功能、更新和或修复的新版本。为了实现这一点，传统的软件开发通常依赖于Devs，其中涉及持续集成(I)、持续交付(D)和持续测试()，以减少开发时间，同时持续交付新版本并保持质量。当谈到机器学习(L)建模时，人们很容易认为L工作流程遵循类似的模式。毕竟，这应该只是创建和训练L模型、部署它并根据需要发布新版本的问题。但机器学习系统的运行环境使事情变得复杂。首先，机器学习系统本身与传统软件有着本质上的不同，因为它们的行为是数据驱动的、非确定性的。正如最近的全球事件所强调的那样，我们的世界在不断变化，因此机器学习从业者必须预见到生产模型所推断的真实世界数据也将不可避免地发生变化。因此，出现了一种特殊的LDevs，称为Ls机器学习和操作的缩写，以帮助管理这种不断变化以及随后的模型重新部署需求。Ls拥抱Devs的持续集成和持续交付，但用持续培训取代了持续测试阶段。这种对新模型的持续训练，包括重新部署这些新模型以及随之而来的所有技术工作，旨在解决机器学习项目的三个值得注意的方面模型如何以及为何做出某些预测需要可解释性。这对于审计目的以满足法规和或一定水平的预测性能尤其重要。模型衰减，即由于模型遇到新的和不断变化的现实世界数据，生产模型的预测性能随着时间的推移而降低。由业务需求驱动的模型的不断开发和增强。持续培训，实际上是一般的Ls，都接受这样的想法模型将不断且不可避免地发生变化，这意味着组织在不同程度上实施Ls战略和战术。随着Ls的发展，许多组织提出了最佳实践框架。一个突出的例子是Ggle的Ls指南，它描述了组。

织采用的三个级别的Ls实现Ls级别手动流程模型训练和部署的需求已得到正式认可，但通常是通过脚本和交互式流程以临时方式手动执行。这个级别一般缺乏持续集成和持续交付。Ls级别L管道自动化此级别引入了用于持续训练的管道。数据和模型 意大利语电报数据 验证是自动化的，并且当模型性能下降时，触发器会使用新数据重新训练模型。Ls级别ID管道自动化L工作流程已实现自动化，数据科学家能够在减少开发人员干预的情况下更新模型和管道。已实施Ls级别或Ls级别的组织甚至可以使用所谓的影子模型，这些模型是在生产模型运行时并行训练的模型，每个模型使用不同的训练数据集。当需要新的生产模型时，可以快速选择并部署影子模型。高通图像图在不同数据集上并行训练影子模型的直观描述。每个型号都有可能成为新的生产型号。单击此处放大图像为了更好地理解如何以及何时实现这些不同级别的Ls，请考虑以下示例。示例包装机器人一个简单的例子是装配线末端的机器人，它使用机器学习驱动的计算机视觉来分析和包装产品。机器学习模型可能已经过训练，可以识别尺寸有限的正方形和矩形框。然而，该企业现在将为其包装引入新的形状和尺寸，因此创建并部署了新的L模型。在这种情况下，Ls级别的开发团队将在新型包开始下线之前先发制人地手动创建、训练和部署新模型。考虑到机器人能力的有限范围，这种Ls水平可能就足够了。示例语音识别考虑一个用于语音识别的移动应用程序，它可以根据人们说话的方式感知或识别上下文例如，语气或情绪。随着时间的推移，新的短语和俚语出现，人们说话的总体风格也发生了变化。在这种情况下，机器学习模型可能会在很长一段时间内表现出模型衰减。在这个示例中，Ls级指南可。



能会有所帮助。在Ls级别下，系统可以在设备上运行，以监控模型的预测性能。如果性能接近或低于阈值，系统会向团队发出警报，指示应使用新数据训练新模型，然后部署以替换生产模型。示例股市中突然出现的异常值最近石油价格进入负值区域。如果机器学习模型根据石油价格进行预测，但只用正价格进行训练，那么当突然遇到负价格时，它会如何表现？在这种情况下，团队成员需要立即警惕该问题，并且必须能够快速训练和重新部署新模型。在这里，Lslevel的实现可能是有益的。在这个级别上，训练和部署新模型的大部分流程已经自动化，因此数据科学家应该能够在没有开发人员帮助的情况下处理大部分或全部流程。此外，自动化程度应该使他们能够专注于尽可能快速、可靠地更新、培训和部署新模型。将Snadragn集成到Ls管道中QualSnadragn移动平台以及用于人工智能(AI)的Qual神经处理SDK非常适合Ls。首先，基于Snadragn的设备不仅可以托管模型，还可以使用最佳的内置计算资源来运行模型进行推理。其次，我们的人工智能(AI)神经处理SDK开发人员用来优化模型并将其加载到Snadragn移动平台上可以集成到Ls管道中，以促进模型部署过程。在L工作流程上下文中使用SDK的一般流程如下L模型是使用ensrFlw或affe等框架设计和训练的。Qual神经处理SDK中的DL转换器工具用于将该模型转换为DL格式，以便在Snadragn上执行。来自Qual神经处理SDK的AI调用添加到应用程序中，以将DL数据加载到Qual®exagn™处理器上并运行推理。我们经常将使用SDK的AI的应用程序称为Qual®AIEngine支持的应用程序。QualAIEngine支持的应用程序和模型被加载到由Snadragn提供支持的设备上，并部署用于对现实世界数据进行推理。