Dengan fitur refresh model otomatis, saat model dasar berubah, pipeline Anda akan diupdate untuk menggunakan model baru. Karena transformasi RunInference otomatis memperbarui pengendali model, Anda tidak perlu men-deploy ulang pipeline. Dengan fitur ini, Anda dapat mengupdate model secara real time, bahkan saat pipeline Apache Beam sedang berjalan.
Pembaruan model otomatis menyediakan dua metode untuk memperbarui model machine learning (ML), mode smartwatch dan mode peristiwa.
Mode smartwatch
Gunakan salah satu pola yang disediakan Apache Beam, seperti class WatchFilePattern, untuk memantau file terbaru di bucket Cloud Storage Anda.
WatchFilePattern menggunakan stempel waktu agar cocok dengan file_pattern dan memunculkan
ModelMetadata
terbaru, yang digunakan RunInference PTransform untuk mengupdate model ML Anda.
Untuk mempelajari lebih lanjut cara menggunakan WatchFilePattern guna memperbarui model ML secara otomatis, lihat Menggunakan WatchFilePattern untuk mengupdate model ML secara otomatis di RunInference dalam dokumentasi Apache Beam.
Mode peristiwa
Hubungkan pipeline Anda ke sumber tak terbatas, seperti Pub/Sub, untuk mengirim peristiwa update langsung ke transformasi, yang akan memulai update model. Anda mengonfigurasi PCollection
input sisi
kustom yang menentukan logika untuk pembaruan model.
Untuk mengikuti tutorial yang menunjukkan cara mengupdate model dalam produksi menggunakan PCollection input samping, lihat Mengupdate model ML di pipeline yang menjalankan pipeline.
Langkah selanjutnya
Baca selengkapnya tentang fitur refresh model otomatis dalam dokumentasi Apache Beam.