37
1
장
머신러닝 파이프라인
1.3.6
모델 버전 관리
모델 버전 지정과 검증 단계의 목적은 다음 버전으로 어떤 모델, 하이퍼파라미터 세트, 데이터
셋이 선택되었는지 추적하는 것입니다.
소프트웨어 엔지니어링의 시맨틱 버전 관리 도구를 사용하려면
API
에서 호환되지 않는 변경을
수행하거나 주요 피처를 추가할 때 메인 버전이나 서브 버전 숫자를 올립니다. 모델 배포 관리
에는 데이터셋이라는 파라미터도 있습니다. 학습 프로세스에 훨씬 더 많거나 더 나은 데이터를
제공함으로써 모델 파라미터나 아키텍처 설정을 변경하지 않고도 모델 성능이 향상되기도 합
니다. 성능 향상이 주요 버전 업그레이드를 보장하나요? 이 질문의 답변은 데이터 과학팀마다
다를 수 있지만, 모든 입력을 새 모델 버전 (하이퍼파라미터, 데이터셋, 아키텍처)으로 문서화
하고 릴리스 단계의 일부로 추적해야 합니다.
1.3.7
모델 배포
모델을 학습, 튜닝, 분석한 후에는 모델을 배포할 수 있습니다. 유감스럽게도 일회성으로 구현
한 모델이 너무 많다면, 모델 업데이트 프로세스가 어려워집니다.
최신 모델 서버를 사용하면 웹 서버 프로그램 코드를 작성하지 않고도 모델을 배포할 수 있습
니다. 레스트
representational
state
transfer
(
REST
) 또는 원격 프로시저 호출
remote
procedure
call
(
RPC
)
프로토콜과 같은 여러
API
인터페이스를 제공하여 동일한 모델의 여러 버전을 동시에 호스트
할 수 있을 때가 많습니다. 여러 버전을 동시에 호스팅한다면 모델