لتجهيز مسارات تعلُّم الآلة للإنتاج، عليك إجراء ما يلي:
- توفير موارد الحوسبة لمسارات التعلّم الخاصة بك
- تنفيذ التسجيل والمراقبة والتنبيه
توفير موارد الحوسبة
يتطلّب تشغيل مسارات تعلُّم الآلة موارد حوسبة، مثل ذاكرة الوصول العشوائي (RAM) ووحدات المعالجة المركزية (CPU) ووحدات معالجة الرسومات (GPU) ووحدات معالجة الموتّرات. بدون الحوسبة الكافية، لا يمكنك تشغيل المسارات. لذلك، تأكد من للحصول على حصة كافية لتوفير الموارد المطلوبة تحتاج إلى أن تعمل في مرحلة الإنتاج.
مسارات العرض والتدريب والتحقّق: تتطلب هذه المسارات وحدات معالجة الموتّرات أو وحدات معالجة الرسومات أو وحدات المعالجة المركزية واعتمادًا على حالة استخدامك، يمكنك التدريب وتقديم على أجهزة مختلفة، أو استخدام نفس الأجهزة. على سبيل المثال، قد يكون للتدريب يحدث في وحدات المعالجة المركزية (CPU)، ولكن العرض قد يستخدم وحدات معالجة الموتّرات، أو العكس. بشكل عام، من التدريب على أجهزة أكبر ثم العمل على أجهزة أصغر.
عند اختيار الأجهزة، يجب مراعاة ما يلي:
- هل يمكنك التدرّب على أجهزة أقل تكلفة؟
- هل سيؤدي التبديل إلى أجهزة مختلفة إلى تعزيز الأداء؟
- ما حجم الطراز وما الجهاز الذي سيحسن أداءه؟
- ما الجهاز المثالي بناءً على بنية النموذج؟
مسارات البيانات: تتطلب مسارات البيانات حصة من سعة ذاكرة الوصول العشوائي (RAM) ووحدة المعالجة المركزية (CPU) ستحتاج إلى تقدير كيفية من الحصة التي يحتاجها خط سيرك لإنشاء مجموعات بيانات تدريب واختبار.
قد لا تتمكن من تخصيص حصة لكل مسار. بدلاً من ذلك، يمكنك تخصيص الحصة التي تشترك فيها المسارات. وفي مثل هذه الحالات، عليك إثبات لديك حصة كافية لتشغيل جميع المسارات، وإعداد المراقبة التغيير لمنع مسار واحد خاطئ من استهلاك الحصة بالكامل.
تقدير الحصة
لتقدير الحصة التي ستحتاجها لمسارات البيانات والتدريب، ابحث مشروعات مماثلة لبناء تقديراتك عليها. لتقدير حصة العرض، حاوِل التنبؤ باستعلامات الخدمة في الثانية. توفر هذه الطرق خط الأساس. بالنسبة تبدأ في إنشاء نموذج أولي لحل ما أثناء مرحلة التجربة، ستبدأ في للحصول على تقدير أكثر دقة للحصة.
عند تقدير الحصة، يجب ألا يقتصر حساب الحصة على الإنتاج فقط. ولكن أيضًا للتجارب الجارية.
التحقّق من فهمك
التسجيل والمراقبة والتنبيه
ومن المهم تسجيل بيانات نموذج الإنتاج ومراقبته. Robust البنية الأساسية للمراقبة أن نماذجك تقدم خدمات موثوقة والتنبؤات عالية الجودة.
تساعد الممارسات الجيدة للتسجيل والمراقبة في تحديد المشاكل في تعلُّم الآلة بشكل استباقي. البيانات وتخفيف التأثير المحتمل للأعمال. عند حدوث مشكلات، ترسل التنبيهات وإبلاغ أعضاء فريقك، وتسهل السجلات الشاملة تشخيص السبب الجذري للمشكلة.
يجب تنفيذ التسجيل والمراقبة لاكتشاف المشكلات التالية باستخدام مسارات تعلُّم الآلة:
| مسار التعلّم | مراقب |
|---|---|
| جارٍ العرض |
|
| البيانات |
|
| التدريب |
|
| التحقّق من الصحة |
|
وسيلزمك أيضًا تسجيل المعلومات والمراقبة والتنبيه بما يلي:
- وقت الاستجابة: ما المدة التي يستغرقها تقديم تنبؤ؟
- حالات انقطاع الخدمة: هل توقف النموذج عن تقديم التنبؤات؟
التحقّق من فهمك
نشر نموذج
لنشر نموذج، ستحتاج إلى توثيق ما يلي:
- الموافقات المطلوبة لبدء عملية النشر وزيادة عملية الطرح
- كيفية تطبيق نموذج للإنتاج.
- مواضع نشر النموذج، على سبيل المثال، إذا كان هناك مرحلي أو كناري البيئات.
- ما يجب فعله في حال تعذُّر عملية النشر
- كيفية العودة إلى الإصدارات السابقة من نموذج في مرحلة الإنتاج
بعد تدريب النموذج تلقائيًا، ستحتاج إلى برمجة التحقق والنشر. عمليات النشر الآلية مسئولية ويقلل من احتمالية تعطُّل عملية النشر لشخص واحد. كما أنه يقلل الأخطاء المحتملة ويزيد من الكفاءة والموثوقية، بالإضافة إلى إمكانية الدوران عند الطلب ودعم SRE.
وعادةً ما تقوم بنشر نماذج جديدة لمجموعة فرعية من المستخدمين للتحقق من أن النموذج سيتصرف كما هو متوقع. إذا كان الأمر كذلك، يمكنك مواصلة النشر. إذا لم يكن الأمر كذلك، العودة إلى الحالة السابقة للنشر والبدء في تشخيص المشكلات وتصحيحها.