Con la funzionalità di aggiornamento automatico del modello, quando il modello sottostante cambia, la pipeline si aggiorna per utilizzare il nuovo modello. Poiché la trasformazione RunInference aggiorna automaticamente il gestore del modello, non è necessario eseguire nuovamente il deployment della pipeline. Con questa
funzionalità, puoi aggiornare il modello in tempo reale, anche durante l'esecuzione della pipeline Apache Beam.
L'aggiornamento automatico dei modelli offre due metodi per aggiornare i modelli di machine learning (ML): la modalità di visualizzazione e la modalità evento.
Modalità Orologio
Utilizza uno dei pattern forniti da Apache Beam, ad esempio la classe
WatchFilePattern
per monitorare l'ultimo file nel bucket Cloud Storage.
WatchFilePattern utilizza i timestamp per trovare una corrispondenza con un file_pattern ed emette l'ultimo
ModelMetadata,
che viene utilizzato da RunInference PTransform per aggiornare il modello ML.
Per scoprire di più sull'utilizzo di WatchFilePattern per aggiornare automaticamente i modelli di ML, consulta Utilizzare WatchFilePattern per aggiornare automaticamente i modelli di ML in RunInference nella documentazione di Apache Beam.
Modalità evento
Collega la pipeline a un'origine illimitata, come Pub/Sub, per inviare eventi di aggiornamento direttamente alla trasformazione, che avvia un aggiornamento del modello. Configura un
input secondario personalizzato PCollection che definisce la logica per l'aggiornamento del modello.
Per seguire un tutorial che mostra come aggiornare il modello in produzione utilizzando un input secondario PCollection, consulta Aggiornare i modelli ML nelle pipeline in esecuzione.
Passaggi successivi
Scopri di più sulla funzionalità di aggiornamento automatico del modello nella documentazione di Apache Beam.