本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
自动维护图像分类模型
在您的图像分类模型部署并可供使用后，可能需要进行一些维护。考虑以下示例场景：
-
一种模型对玉米品种进行分类，以便在收获期间为工人提供帮助。随着时间的推移，玉米品种的外观正在慢慢变化，在某些时候，可能会引入新的品种。
-
模型决定了停放在停车场某个位置的车辆的类型。它对车辆的型号、品牌和年份进行细粒度分类。对于已经发布的新型号，必须每年对其进行更新。
-
在社交媒体帖子上对模型进行训练，以检测与不同实体和主题相关的情绪。模型需要针对新主题、实体、成语和表情符号保持更新。
在所有这些场景中，模型都需要定期重新训练。根据模型漂移（输入数据的属性已随时间变化）或模型处理修改后的任务所需的更新，需要重新训练。 AWS 可以在多个抽象层面上创建机器学习操作管道。最灵活、最抽象的方法是 AWS Step Functions 用来创建模型维护的工作流程。
有关机器学习操作管道的示例，请参阅使用 Amazon A SageMaker I Pipeline 的MLOps End-to-End示例 AWS CodePipeline， AWS CDK
