
362
|
第
8
章
换模式时出现的技术的可重用版本。特征仓库模式中讨论的特征版本控制也在模型
版本控制设计模式中发挥作用。
另一方面,模型版本控制模式与无状态服务函数和持续的模型评估模式密切相关。
在持续的模型评估模式中,当评估一个模型的性能随着时间的推移如何下降时,可
能会使用不同的模型版本。类似地,服务函数的不同模型签名提供了创建不同模型
版本的简单方法。这种通过无状态服务函数模式进行模型版本控制的方法可回连到
重构模式,其中两个不同的模型版本可以为两个不同的模型输出表示提供它们各自
的
REST API
端点。
我们还讨论了当使用持续的模型评估模式时,探索工作流管道模式中提出的解决方案
通常是有利的,既可以设置触发器以启动再训练管道,也可以维持对所创建的各种模
型版本的族系跟踪。持续的模型评估也与带键值预测模式密切相关,因为这可以提供
一种机制,方便地将基本事实与模型预测输出联系起来。同样,带键值预测模式也与
批处理服务模式交织在一起。出于同样的原因,批处理服务模式经常与无状态服务函
数模式结合使用,以大规模地执行预测工作,这反过来又依赖于底层的变换模式来保
持训练和服务之间的一致性。
机器学习项目中的模式
机器学习系统使组织内的团队能够大规模地构建、部署和维护机器学习解决方案。
它们为自动化和加速机器学习生命周期的所有阶段提供了一个平台,从管理数据到
训练模型、评估性能、部署模型、服务预测和监控性能。我们在本书中讨论的模式
贯穿任何机器学习项目的始终。在本节中,我们将描述机器学习生命周期的各个阶段,
以及这些模式可能出现的地方。 ...