La etapa posterior al preprocesamiento es el entrenamiento del modelo , durante el cual el modelo de aprendizaje automático leerá los datos de entrenamiento y los utilizará para ajustar sus pesos (véase la Figura 7-1). Tras el entrenamiento, el modelo se guarda o se exporta para que pueda ser implementado.
Figura 7-1. En el proceso de entrenamiento del modelo, el modelo ML se entrena con datos preprocesados y luego se exporta para su implementación. El modelo exportado se utiliza para hacer predicciones.
En este capítulo, estudiaremos formas de hacer más eficiente la ingestión de datos de entrenamiento (y validación) en el modelo. Aprovecharemos la fragmentación temporal entre los distintos dispositivos computacionales (CPU y GPU) de que disponemos, y examinaremos cómo hacer que todo el proceso sea más resistente y reproducible.
Consejo
El código de este capítulo se encuentra en la carpeta 07_training del repositorio GitHub del libro. Proporcionaremos los nombres de archivo de los ejemplos de código y de los cuadernos cuando proceda.
Ingestión eficaz
Una parte significativa del tiempo que tarda en entrenar los modelos de aprendizaje automático se dedica a la ingesta de datos, es decir, a leerlos y transformarlos en una forma utilizable ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month, and much more.
