Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Alur kerja transduktif inkremental
Saat Anda memperbarui artefak model hanya dengan menjalankan kembali langkah satu hingga tiga (dari ekspor Data dan konfigurasi ke transformasi Model), Neptunus MLmendukung cara yang lebih sederhana untuk memperbarui prediksi batch MLmu menggunakan data baru. Salah satunya adalah menggunakan alur kerja model tambahan, dan yang lainnya adalah menggunakan pelatihan ulang model dengan awal yang hangat.
Alur kerja model tambahan
Dalam alur kerja ini, Anda memperbarui prediksi ML tanpa melatih ulang model ML.
catatan
Anda hanya dapat melakukan ini ketika data grafik telah diperbarui dengan node dan/atau tepi baru. Saat ini tidak akan berfungsi ketika node dihapus.
Ekspor dan konfigurasi data — Langkah ini sama dengan alur kerja utama.
Preprocessing data inkremental — Langkah ini mirip dengan langkah preprocessing data dalam alur kerja utama, tetapi menggunakan konfigurasi pemrosesan yang sama yang digunakan sebelumnya, yang sesuai dengan model terlatih tertentu.
Transformasi model — Alih-alih langkah pelatihan model, langkah transformasi model ini mengambil model terlatih dari alur kerja utama dan hasil langkah pra-pemrosesan data tambahan, dan menghasilkan artefak model baru untuk digunakan untuk inferensi. Langkah transformasi model meluncurkan pekerjaan SageMaker pemrosesan untuk melakukan perhitungan yang menghasilkan artefak model yang diperbarui.
Perbarui titik akhir SageMaker inferensi Amazon — Secara opsional, jika Anda memiliki titik akhir inferensi yang ada, langkah ini memperbarui titik akhir dengan artefak model baru yang dihasilkan oleh langkah transformasi model. Atau, Anda juga dapat membuat titik akhir inferensi baru dengan artefak model baru.
Model pelatihan ulang dengan awal yang hangat
Dengan menggunakan alur kerja ini, Anda dapat melatih dan menerapkan model ML baru untuk membuat prediksi menggunakan data grafik tambahan, tetapi mulai dari model yang sudah ada yang dihasilkan menggunakan alur kerja utama:
Ekspor dan konfigurasi data — Langkah ini sama dengan alur kerja utama.
Preprocessing data inkremental — Langkah ini sama dengan alur kerja inferensi model inkremental. Data grafik baru harus diproses dengan metode pemrosesan yang sama yang digunakan sebelumnya untuk pelatihan model.
Pelatihan model dengan awal yang hangat — Pelatihan model mirip dengan apa yang terjadi di alur kerja utama, tetapi Anda dapat mempercepat pencarian hiperparameter model dengan memanfaatkan informasi dari tugas pelatihan model sebelumnya.
Perbarui titik akhir SageMaker inferensi Amazon — Langkah ini sama seperti pada alur kerja inferensi model inkremental.
