सामग्री
प्रश्नः
स्थानिक मशीनवर मशीन लर्निंग (एमएल) प्रशिक्षण का चालवायचे आणि नंतर सर्व्हरवर नियमितपणे अंमलबजावणी का करावी?
उत्तरः
मशीन लर्निंग प्रोजेक्ट कसे तयार करावे आणि त्याच्या ट्रेन व चाचणी टप्प्यांचे काम कसे करायचे या प्रश्नाचा आपण एमएल “लाइफ सायकल” मधून कसा जाऊ शकतो आणि प्रोग्रामला प्रशिक्षण वातावरणातून उत्पादन वातावरणात कसे आणतो याविषयी बरेच काही आहे.
स्थानिक मशीनवर एमएल प्रशिक्षण ठेवण्याचे वरील मॉडेलचा वापर करणे आणि नंतर सर्व्हर-आधारित सिस्टमकडे कार्यवाहीकडे जाणे हे कर्तव्याचे आवश्यक वेगळे करणे म्हणजे सर्वात सोपा कारण आहे. सर्वसाधारणपणे, आपणास प्रशिक्षण वेगळे करावेसे वाटेल, जेणेकरून प्रशिक्षण कोठे सुरू होते आणि कुठे थांबायचे आणि कोठे चाचणी सुरू होते याचे स्पष्ट चित्र आहे. स्थानिक केशिनवरील प्रशिक्षण संच वेगळ्या करण्याच्या कारणास्तव इतर काही कारणांमधून जात असतानाही केडीनगेट्स हा लेख खरखरीत प्रकारात तत्त्वावर बोलतो. या मॉडेलसाठी आणखी एक मूलभूत मूल्य प्रस्ताव म्हणजे ती आहे की, अतिशय भिन्न आर्किटेक्चर्सवरील प्रशिक्षण आणि चाचणी सेट्ससह, संयुक्त ट्रेन / चाचणी वाटपाबद्दल आपण कधीही गोंधळात पडणार नाही!
आणखी एक मनोरंजक फायदा म्हणजे सायबरसुरिटीचा. आपल्याकडे स्थानिक मशीनवर प्रारंभिक ट्रेन प्रक्रिया असल्यास, ते इंटरनेटशी जोडले जाणे आवश्यक नाही असे तज्ञांचे म्हणणे! हे मूलभूत मार्गाने सुरक्षिततेस विस्तृत करते, प्रक्रियेस उत्पादनास झुकत नाही तोपर्यंत प्रक्रिया "इनक्यूबेटिंग" करते, जिथे आपल्याला नंतर सर्व्हर मॉडेलमध्ये पुरेशी सुरक्षा तयार करावी लागते.
याव्यतिरिक्त, यापैकी काही "वेगळ्या" मॉडेल्स संकल्पना वाहून नेणे आणि लपलेल्या बाधक समस्या यासारख्या समस्यांना मदत करू शकतात - “नॉन-स्टेटॅलिटी” या तत्त्वाने विकसकांना चेतावणी दिली आहे की डेटा कालांतराने "सारखाच राहू शकत नाही" (कोणत्या गोष्टी मोजल्या जात आहेत यावर अवलंबून) आणि की चाचणी टप्प्याला ट्रेनच्या फेजशी जुळवून घेण्यासाठी बरीच अनुकूलता लागू शकेल. किंवा, काही प्रकरणांमध्ये, ट्रेन आणि चाचणी प्रक्रिया एकत्रितपणे संभ्रमित करतात.
सर्वप्रथम चाचणी चरण सर्व्हरवर तैनात केल्याने विविध "ब्लॅक बॉक्स" मॉडेल्सची सोय होऊ शकते जिथे आपण डेटा अनुकूलतेची समस्या सोडविली. काही प्रकरणांमध्ये, एकाधिक प्लॅटफॉर्मवर बदल ऑर्डर देण्याची निरर्थक प्रक्रिया काढून टाकते.
मग, तसेच, सर्व्हर वातावरण रिअल-टाइम किंवा डायनॅमिक प्रक्रियेस स्पष्टपणे सेवा देते ज्यात अभियंता डेटा हस्तांतरण आणि कोड मॉडेलमध्ये प्रवेश करू इच्छित असतील जे एमएलमध्ये उत्पादनासाठी सर्वोत्कृष्ट कार्य करतात. उदाहरणार्थ, एडब्ल्यूएस लॅम्ब्डा हा उत्पादनातील मायक्रोफंक्शन हाताळण्यासाठी एक आकर्षक पर्याय असू शकतो (किंवा लॅम्बडा आणि एस 3 ऑब्जेक्ट स्टोरेजचे संयोजन) आणि कनेक्टिव्हिटीशिवाय (सर्व्हरशिवाय) जे अशक्य होते.
विकसकांनी चाचणी व निर्मितीपासून प्रशिक्षण एमएल टप्प्यांचे विभाजन कसे करावे याचा विचार केला असता त्यातील काही मुद्दे विकसक विचारात घेऊ शकतात.