Kubeflow für maschinelles Lernen

Kapitel 8. Modellinferenz

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Hinweis

Wir möchten uns bei Clive Cox und Alejandro Saucedo von Seldon für ihre großartigen Beiträge zu diesem Kapitel bedanken.

Der größte Teil der Aufmerksamkeit, die dem maschinellen Lernen gewidmet wird, ist der Entwicklung von Algorithmen gewidmet. Modelle werden jedoch nicht um ihrer selbst willen erstellt, sondern um sie in die Produktion zu bringen. Wenn man davon spricht, ein Modell "in die Produktion zu bringen", meint man in der Regel die Durchführung von Inferenzen.Wie in Kapitel 1 eingeführt und in Abbildung 1-1 veranschaulicht, zielt eine vollständige Inferenzlösung darauf ab, Funktionen für die Bedienung, Überwachung und Aktualisierung bereitzustellen.

Modell serviert

Stellt ein trainiertes Modell hinter einen Dienst, der Vorhersageanfragen bearbeiten kann

Modellüberwachung

Überwacht den Modellserver auf Unregelmäßigkeiten in der Leistung - sowie die Genauigkeit des zugrunde liegenden Modells

Modellaktualisierung

Verwaltet die Versionierung deiner Modelle vollständig und vereinfacht die Beförderung und das Rollback zwischen Versionen

In diesem Kapitel werden wir jede dieser Kernkomponenten untersuchen und die Erwartungen an ihre Funktionalität definieren. Ausgehend von den konkreten Erwartungen werden wir eine Liste von Anforderungen erstellen, die deine ideale Inferenzlösung erfüllen sollte. Schließlich ...