机器学习的训练数据

第 2 章. 启动和运行

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

引言

当我们处理数据时，有许多工具可以帮助我们：我们有数据库来顺利存储数据，有网络服务器来顺利提供数据。现在，训练数据工具也能帮助我们顺利处理训练数据。

除了工具之外，对于数据库如何与应用程序的其他部分集成，也有既定的流程和预期。但训练数据呢？如何使用训练数据？在本章中，我将介绍一些关键注意事项，包括安装、注释设置、嵌入、最终用户、工作流程等。

需要注意的是，为什么我在前面提到要顺利使用训练数据。我之所以说 "顺利"，是因为我不必使用数据库。我可以将数据写入文件，然后从中读取。为什么我需要 Postgres 这样的数据库来构建我的系统呢？这是因为 Postgres 带来了大量的功能，例如保证数据不会轻易损坏、数据可恢复、数据可高效查询等。训练数据工具也有类似的发展。

在本章中，我将介绍

• 如何启动和运行

• 训练数据工具的范围

• 使用训练数据工具的好处

• 权衡利弊

• 我们发展到今天的历史

大部分内容都集中在与当前工作相关的方面。我还会简要介绍一些历史，以说明这些工具为何重要。此外，我还将回答其他常见问题：

• 训练数据工具的关键概念领域是什么？

• 训练数据工具在你的堆栈中处于什么位置？

在我们深入探讨之前，有两个重要的主题需要提及，你会看到它们在本章中贯穿始终。

我经常使用工具这个词，即使它可能是一个更大的系统或平台。我所说的工具是指任何可以帮助你实现培训数据目标的技术。工具的使用是训练数据日常工作的一部分。在整本书中，我将抽象的概念通过工具转化为具体的实例。通过在高层次概念和具体实施示例之间跳转，你将获得更全面的了解。

实践出真知。像任何一门艺术一样，你必须掌握这门艺术的工具。对于培训数据，有多种工具选项需要熟悉和了解。我将讨论一些权衡问题，例如关于封闭源代码还是开放源代码以及部署选项，我们还将探讨一些流行的工具。

启动和运行

以下部分是让你的培训数据系统开始运行的最基本可行路线图。为方便起见，它分为几个部分。通常，这些任务可以交给不同的人去完成，而且许多任务可以同时进行。根据多种因素的影响，可能需要几个月的时间才能完全建立起来，因此在制定计划时应考虑到这一点。

如果您是从零开始，那么所有这些步骤都适用。如果你的团队已经进展顺利，那么这将为你提供一份检查清单，看看你现有的流程是否全面。

总体而言，启动任务包括以下内容：

• 安装

• 任务设置

• 注释器用户设置

• 数据摄取设置

• 数据目录设置

• 工作流设置

• 初始使用

• 优化

这些步骤将以信息丰富的基本方式进行介绍。随后，"权衡利弊 "将讨论其他实际考虑因素，如成本、安装选项、规模、范围和安全性。

如果这些看起来很多，那么这就是建立一个成功系统所需要的现实。

在大多数步骤中，都存在一定程度的交叉。例如，几乎所有步骤都可以通过用户界面/SDK/API 来完成。在适当的地方，我会提醒大家注意共同的偏好。

安装

培训数据安装和配置由技术人员或团队完成。

安装的主要问题包括

• 配置硬件（云或其他方式）

• 进行初始安装

• 配置初始安全项目，如身份提供商

• 选择存储选项

• 容量规划

• 运行维护，如更新

• 配置初始超级用户

大多数提供复杂的、影响收入的产品的团队都是自己安装的。这只是数据的重要程度及其与最终用户的深层联系所决定的。一般来说，数据设置比训练数据平台本身的安装更不稳定，因此数据设置将作为一个独立的部分，我们将在下一节介绍。现在，我们先从 ...