Aprendizaje automático práctico para visión por ordenador

Capítulo 8. Calidad del modelo y evaluación continua

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Hasta ahora, en este libro hemos tratado el diseño y la aplicación de los modelos de visión. En este capítulo, nos sumergiremos en el importante tema del monitoreo y la evaluación. Además de empezar con un modelo de alta calidad, también queremos mantener esa calidad. Para garantizar un funcionamiento óptimo, es importante obtener información mediante el monitoreo, calcular métricas, comprender la calidad del modelo y evaluar continuamente su rendimiento.

Monitoreo

Así pues, hemos entrenado nuestro modelo en quizá millones de imágenes, y estamos muy contentos con su calidad. Lo hemos implementado en la nube, y ahora podemos sentarnos y relajarnos mientras hace grandes predicciones para siempre en el futuro... ¿Verdad? Pues no. Del mismo modo que no dejaríamos a un niño pequeño solo para que se las arreglara solo, tampoco queremos dejar a nuestros modelos solos en la naturaleza. Es importante que monitoricemos constantemente su calidad (utilizando métricas como la precisión) y su rendimiento computacional (consultas por segundo, latencia, etc.). Esto es especialmente cierto cuando estamos constantemente reentrenando modelos con nuevos datos que pueden contener cambios de distribución, errores y otros problemas de los que querremos estar al tanto.

TensorBoard

A menudo, los profesionales del ML entrenan sus modelos ...