Kartice modelov Amazon SageMaker vam omogočajo, da standardizirate, kako so modeli dokumentirani, s čimer dosežete vpogled v življenjski cikel modela, od načrtovanja, gradnje, usposabljanja in vrednotenja. Kartice modela naj bi bile en sam vir resnice za poslovne in tehnične metapodatke o modelu, ki jih je mogoče zanesljivo uporabiti za namene revizije in dokumentacije. Zagotavljajo informativni list o modelu, ki je pomemben za upravljanje modela.
Do sedaj so bile kartice modelov logično povezane z modelom v Register modelov Amazon SageMaker z uporabo ujemanja imena modela. Vendar pa pri reševanju poslovnega problema z modelom strojnega učenja (ML) stranke, ko ponavljajo problem, ustvarijo več različic modela in morajo operacionalizirati in upravljati več različic modela. Zato potrebujejo možnost, da kartico modela povežejo z določeno različico modela.
V tej objavi razpravljamo o novi funkciji, ki podpira integracijo kartic modela z registrom modela na ravni različice razporejenega modela. Razpravljamo o arhitekturi rešitve in najboljših praksah za upravljanje različic modelnih kartic ter predstavimo, kako nastaviti, operacionalizirati in upravljati integracijo modelnih kartic z različico modela v registru modelov.
Pregled rešitev
Kartice modelov SageMaker vam pomagajo standardizirati dokumentiranje vaših modelov z vidika upravljanja, register modelov SageMaker pa vam pomaga uvesti in operacionalizirati modele ML. Register modelov podpira hierarhično strukturo za organiziranje in shranjevanje modelov ML z informacijami o metapodatkih modela.
Ko organizacija reši poslovno težavo z uporabo strojnega jezika, kot je predvidevanje odliva strank, priporočamo naslednje korake:
- Ustvarite model kartice za poslovni problem, ki ga želite rešiti.
- Ustvarite modelno skupino paketov za poslovni problem, ki ga želite rešiti.
- Zgradite, učite, ocenite in registrirajte prvo različico različice paketa modela (na primer Customer Churn V1).
- Posodobite kartico modela, tako da različico paketa modela povežete s kartico modela.
- Ko ponavljate novo različico paketa modela, klonirajte kartico modela iz prejšnje različice in se povežite z novo različico paketa modela (na primer Customer Churn V2).
Naslednja slika prikazuje, kako se kartica modela SageMaker integrira z registrom modela.
Kot je prikazano v prejšnjem diagramu, vam integracija modelnih kartic SageMaker in registra modelov omogoča, da kartico modela povežete z določeno različico modela v registru modelov. To vam omogoča, da vzpostavite en sam vir resnice za vaše registrirane različice modela z izčrpno in standardizirano dokumentacijo v vseh fazah potovanja modela na SageMakerju, kar olajša odkrivanje in spodbuja upravljanje, skladnost in odgovornost v celotnem življenjskem ciklu modela.
Najboljše prakse za upravljanje kartic modelov
Delovanje v strojnem učenju z upravljanjem je ključna zahteva za številne današnje podjetniške organizacije, zlasti v močno reguliranih panogah. Kot del teh zahtev AWS zagotavlja več storitev, ki omogočajo zanesljivo delovanje okolja ML.
Kartice modelov SageMaker dokumentirajo ključne podrobnosti o vaših modelih ML na enem mestu za poenostavljeno upravljanje in poročanje. Kartice modelov vam pomagajo zajeti podrobnosti, kot so predvidena uporaba in ocena tveganja modela, podrobnosti o usposabljanju in meritve, rezultati ocenjevanja in opažanja ter dodatni pozivi, kot so premisleki, priporočila in informacije po meri.
Kartice modelov je treba upravljati in posodabljati kot del vašega razvojnega procesa skozi ves čas Življenjski cikel ML. So pomemben del stalne dostave in cevovodov v ML. Na enak način, kot dobro arhitekturni projekt ML izvaja stalno integracijo in neprekinjeno dostavo (CI/CD) pod okriljem MLOps, je neprekinjen dokumentacijski proces ML kritična zmogljivost v številnih reguliranih panogah ali za primere uporabe z večjim tveganjem. Vzorčne kartice so del najboljših praks za odgovoren in pregleden razvoj strojnega pisanja.
Naslednji diagram prikazuje, kako naj bodo modelne kartice del življenjskega cikla razvoja.
Upoštevajte naslednje najboljše prakse:
- Priporočamo, da modelne kartice ustvarite zgodaj v življenjskem ciklu projekta. V prvi fazi projekta, ko delate na prepoznavanje poslovnega cilja in oblikovanje problema ML, bi morali začeti ustvarjanje kartice modela. Ko delate skozi različne korake poslovnih zahtev in pomembnih meritev uspešnosti, lahko ustvarite kartico modela v statusu osnutka ter določite poslovne podrobnosti in predvidene uporabe.
- Kot del vašega faza življenjskega cikla razvoja modela, bi morali uporabiti register modelov za katalogiziranje modelov za proizvodnjo, upravljanje različic modelov in povezovanje metapodatkov z modelom. Register modelov omogoča sledenje rodu.
- Ko ste uspešno ponovili in ste pripravljeni na uvedbo modela v produkcijo, je čas, da posodobite kartico modela. V fazo življenjskega cikla uvajanja, lahko posodobite podrobnosti modela kartice modela. Prav tako morate posodobiti podrobnosti o usposabljanju, podrobnosti o vrednotenju, etične vidike ter opozorila in priporočila.
Kartice z modeli imajo z njimi povezane različice. Dana različica modela je nespremenljiva za vse atribute, razen statusa kartice modela. Če na kartici modela naredite kakršne koli druge spremembe, kot so meritve vrednotenja, opis ali predvidene uporabe, SageMaker ustvari novo različico kartice modela, ki odraža posodobljene informacije. To zagotavlja, da model kartice, ko je enkrat ustvarjen, ni več mogoče spreminjati. Poleg tega ima lahko vsako edinstveno ime modela samo eno povezano kartico modela in je ni mogoče spremeniti, ko ustvarite kartico modela.
Modeli ML so dinamični in komponente za avtomatizacijo delovnega toka vam omogočajo, da preprosto povečate svojo sposobnost gradnje, usposabljanja, testiranja in uvajanja na stotine modelov v proizvodnji, hitrejšega ponavljanja, zmanjšanja napak zaradi ročne orkestracije in gradnje ponovljivih mehanizmov.
Zato bo življenjski cikel vaših modelnih kartic videti, kot je opisano v naslednjem diagramu. Vsakič, ko posodobite kartico modela skozi življenjski cikel modela, samodejno ustvarite novo različico kartice modela. Vsakič, ko ponovite novo različico modela, ustvarite novo kartico modela, ki lahko podeduje nekatere podatke kartice modela iz prejšnjih različic modela in sledi istemu življenjskemu ciklu.
Predpogoji
Ta objava predvideva, da že imate modele v svojem registru modelov. Če želite slediti, lahko uporabite naslednji primer SageMaker na GitHubu, da zapolnite svoj register modelov: Integracija SageMaker Pipelines z Model Monitor in Clarify.
Integrirajte kartico modela z različico modela v registru modela
V tem primeru imamo model-monitor-clarify-group
paket v našem registru modelov.
V tem paketu sta na voljo dve različici modela.
V tem primeru povežemo različico 1 modela z novo kartico modela. V registru modelov si lahko ogledate podrobnosti za različico 1.
Zdaj lahko uporabljamo novo funkcijo v SDK-ju SageMaker Python. Iz sagemaker.model_card ModelPackage
modula, lahko izberete določeno različico modela iz registra modelov, s katerim želite povezati kartico modela.
Zdaj lahko ustvarite novo kartico modela za različico modela in določite model_package_details
parameter s pridobljenim paketom prejšnjega modela. Kartico modela morate izpolniti z vsemi potrebnimi dodatnimi podatki. Za to objavo kot primer ustvarimo preprost model kartice.
To definicijo lahko nato uporabite za ustvarjanje kartice modela s SDK-jem SageMaker Python.
Ko ponovno naložite kartico modela, lahko spodaj vidite povezani model "__model_package_details"
.
Imate tudi možnost, da posodobite obstoječo kartico modela z model_package
kot je prikazano v spodnjem primeru kode:
Nazadnje, pri ustvarjanju ali posodabljanju nove različice paketa modela v obstoječem paketu modela, če kartica modela že obstaja v tej skupini paketov modela, se lahko nekatere informacije, kot so poslovne podrobnosti in predvidene uporabe, prenesejo na novo kartico modela.
Čiščenje
Uporabniki so odgovorni za čiščenje virov, če so ustvarjeni z zvezkom, omenjenim v razdelku s predpogoji. Za čiščenje virov sledite navodilom v zvezku.
zaključek
V tej objavi smo razpravljali o tem, kako integrirati kartico modela SageMaker z različico modela v registru modela. Delili smo arhitekturo rešitve z najboljšimi praksami za implementacijo modelne kartice in pokazali, kako nastaviti in operacionalizirati modelno kartico, da izboljšate svoj model upravljanja. Priporočamo vam, da preizkusite to rešitev in delite povratne informacije v razdelku za komentarje.
O avtorjih
Ram Vittal je glavni arhitekt rešitev ML pri AWS. Ima več kot 20 let izkušenj z arhitekturo in gradnjo porazdeljenih, hibridnih in oblačnih aplikacij. Navdušen je nad gradnjo varnih in razširljivih rešitev AI/ML in velikih podatkovnih rešitev, da bi podjetniškim strankam pomagal pri sprejemanju oblaka in optimizaciji za izboljšanje njihovih poslovnih rezultatov. V prostem času se vozi z motorjem in se sprehaja s svojo 2-letno ovco-a-doodle!
Trdnjava Natacha je vodja vladne podatkovne znanosti za javni sektor Avstralije in Nove Zelandije, direktor SA pri AWS. Organizacijam pomaga pri krmarjenju na njihovi poti strojnega učenja, pri čemer jih podpira od oblikovanja problema strojnega učenja do uvajanja v produkcijo, pri tem pa skrbi za najboljše arhitekturne prakse, ki zagotavljajo njihov uspeh. Natacha se z organizacijami osredotoča na MLOps in odgovorno umetno inteligenco.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
- PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
- PlatoESG. Avtomobili/EV, Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
- BlockOffsets. Posodobitev okoljskega offset lastništva. Dostopite tukaj.
- vir: https://aws.amazon.com/blogs/machine-learning/integrate-amazon-sagemaker-model-cards-with-the-model-registry/
- :ima
- : je
- $GOR
- 1
- 100
- 20
- 20 let
- 7
- 8
- a
- sposobnost
- O meni
- odgovornost
- doseganju
- čez
- Dodatne
- Poleg tega
- Sprejetje
- po
- spet
- AI
- AI / ML
- vsi
- omogoča
- skupaj
- že
- Prav tako
- Amazon
- Amazon SageMaker
- Amazon Web Services
- an
- in
- kaj
- aplikacije
- Arhitektura
- SE
- AS
- Sodelavec
- povezan
- predpostavlja
- At
- lastnosti
- revidiranje
- Avstralija
- samodejno
- Avtomatizacija
- Na voljo
- AWS
- BE
- spodaj
- BEST
- najboljše prakse
- Big
- Big Podatki
- izgradnjo
- Building
- poslovni
- CAN
- zmožnost
- zajemanje
- kartice
- Kartice
- prenašal
- primeri
- Katalog
- spremenilo
- Spremembe
- čiščenje
- Cloud
- sprejem v oblak
- Koda
- komentarji
- skladnost
- deli
- celovito
- premislekov
- neprekinjeno
- ustvarjajo
- ustvaril
- ustvari
- Ustvarjanje
- Oblikovanje
- kritično
- po meri
- stranka
- Stranke, ki so
- datum
- znanost o podatkih
- opredelitev
- dostava
- razporedi
- razporejeni
- uvajanja
- opisano
- opis
- oblikovanje
- Podrobnosti
- Ugotovite,
- Razvoj
- drugačen
- razpravlja
- razpravljali
- porazdeljena
- dokument
- Dokumentacija
- Osnutek
- 2
- dinamično
- vsak
- Zgodnje
- enostavno
- omogočajo
- omogoča
- spodbujanje
- zagotovitev
- Podjetje
- okolje
- napake
- vzpostaviti
- etično
- oceniti
- Ocena
- Tudi vsak
- Primer
- obstoječih
- obstaja
- izkušnje
- olajšanje
- hitreje
- Feature
- povratne informacije
- Slika
- prva
- Osredotoča
- sledi
- po
- za
- iz
- GitHub
- dana
- upravljanje
- vlada
- skupina
- Imajo
- he
- pomoč
- Pomaga
- več
- zelo
- njegov
- Kako
- Kako
- Vendar
- HTML
- HTTPS
- Stotine
- Hybrid
- if
- ponazarja
- nespremenljiv
- izvajanja
- izvedbe
- Pomembno
- izboljšanje
- in
- industrij
- Podatki
- sproži
- Navodila
- integrirati
- Integrira
- Povezovanje
- integracija
- namenjen
- v
- IT
- Potovanje
- jpg
- vodi
- učenje
- Stopnja
- življenski krog
- kot
- rod
- LINK
- povezovanje
- nalaganje
- Poglej
- Sklop
- stroj
- strojno učenje
- Znamka
- Izdelava
- upravljanje
- upravlja
- upravljanje
- Navodilo
- več
- Stave
- Mehanizmi
- omenjeno
- metapodatki
- Meritve
- ML
- MLOps
- Model
- modeli
- Moduli
- monitor
- motorno kolo
- več
- Ime
- Krmarjenje
- potrebno
- Nimate
- Novo
- Nova Zelandija
- predvsem
- prenosnik
- zdaj
- of
- on
- enkrat
- ONE
- samo
- Delovanje
- optimizacija
- Možnost
- or
- orkestracijo
- Organizacija
- organizacije
- organiziranje
- Ostalo
- naši
- ven
- rezultatov
- več
- paket
- parameter
- del
- zlasti
- strastno
- performance
- perspektiva
- faza
- Kraj
- platon
- Platonova podatkovna inteligenca
- PlatoData
- prosim
- Prispevek
- vaje
- napoved
- prejšnja
- , ravnateljica
- problem
- Postopek
- proizvodnja
- Projekt
- Spodbujanje
- zagotavljajo
- zagotavlja
- javnega
- namene
- Python
- RAM
- ocena
- pripravljen
- Priporočamo
- Priporočila
- zmanjša
- odražajo
- Registracija
- registriranih
- registra
- urejeno
- regulirane industrije
- zanesljiv
- ponovljivo
- Poročanje
- zahteva
- Zahteve
- viri
- odgovorna
- Rezultati
- Tveganje
- SA
- sagemaker
- Enako
- razširljive
- Lestvica
- Znanost
- SDK
- Oddelek
- sektor
- zavarovanje
- glej
- Storitve
- nastavite
- več
- Delite s prijatelji, znanci, družino in partnerji :-)
- deli
- je
- shouldnt
- je pokazala,
- pokazale
- Razstave
- Enostavno
- sam
- delček
- Rešitev
- rešitve
- Rešuje
- Reševanje
- nekaj
- vir
- specifična
- postopka
- Status
- Koraki
- shranjevanje
- racionaliziran
- Struktura
- uspeh
- Uspešno
- taka
- Podpora
- Podpira
- Preverite
- tehnični
- Test
- kot
- da
- O
- njihove
- Njih
- POTEM
- s tem
- zato
- jih
- ta
- tisti,
- skozi
- vsej
- čas
- do
- danes
- Sledenje
- Vlak
- usposabljanje
- pregleden
- Resnica
- poskusite
- dva
- dežnik
- pod
- edinstven
- Nadgradnja
- posodobljeno
- posodabljanje
- uporaba
- Rabljeni
- uporablja
- uporabo
- v1
- različica
- različice
- vidljivost
- želeli
- način..
- we
- web
- spletne storitve
- so bili
- kdaj
- medtem
- bo
- z
- delo
- potek dela
- deluje
- bi
- let
- Vi
- Vaša rutina za
- Zelandija
- zefirnet