Con la funzionalità di aggiornamento automatico del modello, quando il modello sottostante cambia, la pipeline si aggiorna in modo da 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 mentre è in esecuzione la 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 smartwatch
Utilizza uno dei pattern forniti da Apache Beam, ad esempio la classe WatchFilePattern, per cercare il file più recente nel bucket Cloud Storage.
WatchFilePattern utilizza i timestamp per la corrispondenza con un file_pattern ed emette il valore
ModelMetadata più recente,
che RunInference PTransform utilizza per aggiornare il tuo modello ML.
Per scoprire di più sull'utilizzo di WatchFilePattern per aggiornare automaticamente i modelli ML, consulta Utilizzare WatchFilePattern per aggiornare automaticamente i modelli ML in RunInference nella documentazione di Apache Beam.
Modalità evento
Connetti la tua pipeline a un'origine illimitata, come Pub/Sub, per inviare eventi di aggiornamento direttamente alla trasformazione, che avvia un aggiornamento del modello. Devi configurare un
input laterale
PCollection personalizzato che definisca la logica per l'aggiornamento del modello.
Per seguire un tutorial che mostra come aggiornare il tuo 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.