Con la función de actualización automática de modelos, cuando cambia el modelo subyacente, tu flujo de trabajo se actualiza para usar el nuevo modelo. Como la transformación RunInference actualiza automáticamente el controlador del modelo, no es necesario volver a implementar el flujo de procesamiento. Con esta función, puedes actualizar tu modelo en tiempo real, incluso mientras se ejecuta la canalización de Apache Beam.
La actualización automática de modelos ofrece dos métodos para actualizar los modelos de aprendizaje automático: el modo de monitorización y el modo de evento.
Modo de visualización
Usa uno de los patrones proporcionados por Apache Beam, como la clase WatchFilePattern, para buscar el archivo más reciente de tu segmento de Cloud Storage.
WatchFilePattern usa marcas de tiempo para asociar un file_pattern y emite el ModelMetadata más reciente,
que RunInference PTransform usa para actualizar tu modelo de aprendizaje automático.
Para obtener más información sobre cómo usar WatchFilePattern para actualizar automáticamente los modelos de AA, consulte Usar WatchFilePattern para actualizar automáticamente los modelos de AA en RunInference
en la documentación de Apache Beam.
Modo del evento
Conecta tu flujo de procesamiento a una fuente ilimitada, como Pub/Sub, para enviar eventos de actualización directamente a la transformación, que inicia una actualización del modelo. Configura una entrada lateral personalizada
PCollection que defina la lógica de la actualización del modelo.
Para seguir un tutorial que muestra cómo actualizar un modelo en producción mediante una entrada secundaria PCollection, consulta Actualizar modelos de aprendizaje automático en canalizaciones en ejecución.
Siguientes pasos
Consulta más información sobre la función de actualización automática de modelos en la documentación de Apache Beam.