
428
Chapitre 11. Entraînement et déploiement à grande échelle de modèles TensorFlow
douceur, et de bien d’autres aspects. Si vous optez pour une plateforme de cloud, vous
bénécierez également de nombreuses autres fonctionnalités, comme des outils de
supervision puissants.
Par ailleurs, si la quantité de données d’entraînement est importante et si les
modèles demandent des calculs intensifs, le temps d’entraînement risque d’être extrê-
mement long. Dans le cas où votre produit doit s’adapter rapidement à des change-
ments, une durée d’entraînement trop longue risque d’être rédhibitoire (imaginez, par
exemple, un système de recommandations d’informations ...