Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Automatizar el mantenimiento de un modelo de clasificación de imágenes
Una vez que el modelo de clasificación de imágenes esté implementado y disponible para su uso, es posible que requiera algún tipo de mantenimiento. Considere los siguientes escenarios de ejemplo:
-
Un modelo clasifica los cultivares de maíz para ayudar a los trabajadores durante la época de la cosecha. Con el tiempo, la apariencia de los cultivares de maíz está cambiando lentamente y, en ciertos momentos, es posible que se introduzcan nuevos cultivares.
-
Un modelo determina el tipo de vehículo estacionado en un lugar de un estacionamiento. Realiza una clasificación detallada del modelo, la marca y el año de un vehículo. Debe actualizarse todos los años para los nuevos modelos que se hayan lanzado.
-
Un modelo se entrena con las publicaciones en las redes sociales para detectar opiniones con respecto a diferentes entidades y temas. El modelo debe mantenerse actualizado para incluir nuevos temas, entidades, modismos y símbolos emoji.
En todos estos escenarios, los modelos requieren un reentrenamiento periódico. El reentrenamiento es necesario en función de la desviación del modelo (las propiedades de los datos de entrada han cambiado con el tiempo) o debido a las actualizaciones necesarias para que el modelo pueda gestionar una tarea modificada. La creación de canalizaciones de operaciones de aprendizaje automático AWS puede llevarse a cabo desde varios niveles de abstracción. El más flexible y abstracto es el que se utiliza AWS Step Functions para crear el flujo de trabajo para el mantenimiento del modelo.
Para ver un ejemplo de una canalización de operaciones de aprendizaje automático, consulte MLOps End-to-EndEjemplo de uso de Amazon SageMaker AI Pipeline AWS CodePipeline, AWS CDK
