Садржај
П:
Зашто покренути обуку машинског учења (МЛ) на локалној машини и затим покренути редовно извршавање на серверу?
А:
Питање како структурирати пројекат машинског учења и његове фазе учења и испитивања има пуно везе са начином на који се крећемо кроз „животни циклус“ МЛ-а и програм доведемо из тренинг-окружења у производно окружење.
Један од најједноставнијих разлога за коришћење горњег модела стављања МЛ тренинга на локалну машину и затим премештање извршења на систем заснован на серверу је корист од пресудне поделе дужности. Уопште, желите да сет за тренинг буде изолован, тако да имате јасну слику о томе где почиње и зауставља тренинг и где почиње тестирање. Овај чланак о КДНуггетс говори о принципу на груб начин, а такође пролази кроз неке друге разлоге за изоловање сетова за тренинг на локалној машини. Још један основни приједлог за овај модел је да се, са скуповима за обуку и тестирање на врло различитим архитектурама, никада нећете збунити око заједничког издвајања влака / теста!
Још једна занимљива корист односи се на цибер-сигурност. Стручњаци истичу да ако имате почетне процесе возова на локалној машини, то не мора бити повезано са интернетом! Ово шири сигурност на фундаментални начин, „инкубирајући“ процес све док не погоди производни свет, где морате уградити адекватну сигурност у модел сервера.
Поред тога, неки од ових „изолованих“ модела могу помоћи у проблемима као што су одступање концепта и скривени недостаци - принцип „нестационарности“ упозорава програмере да подаци не „остају исти“ током времена (у зависности од онога што се мери) и да би било потребно много прилагодљивости да би се испитна фаза подударала са фазом влака. Или, у неким случајевима, процеси возова и испитивања се помешају, стварајући збрку.
Примена тестне фазе на серверу по први пут може олакшати различите моделе „црне кутије“ где решавате проблем прилагодљивости података. У неким случајевима, то елиминише сувишни процес постављања налога за промену на више платформи.
Затим, такође, окружење сервера очигледно служи у стварном времену или динамичним процесима у којима ће инжењери желети да приступе моделима за пренос података и кодовима који најбоље раде за производњу у МЛ-у. На пример, АВС Ламбда може бити атрактивна опција за руковање микрофункцијама производње (или комбинацијом Ламбда и С3 објекта за складиштење) и без повезивања (без сервера) које постаје немогуће.
Ово су нека од питања о којима би програмери могли да размисле када размотре како да поделе тренинг фазе за тестирање и производњу.