本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
自動化映像分類模型的維護
部署影像分類模型並可供使用之後，可能需要一些維護。請思考下列範例情況：
-
模型會分類粟米栽動，以在收集期間協助工作者。隨著時間的推移，玉米栽種動物的外觀會逐漸變化，而且在某些時間點，可能會引入新的栽種動物。
-
模型會決定停在車庫中位置的車輛類型。它會針對車輛的模型、品牌和年份執行精細分類。必須每年更新已發行的新模型。
-
模型在社交媒體文章上經過訓練，以偵測不同實體和主題的情緒。模型需要更新新的主題、實體、慣用語和表情符號。
在所有這些案例中，模型都需要定期重新訓練。需要根據模型偏離 （輸入資料的屬性已隨時間變更） 或模型處理修改任務所需的更新進行重新訓練。在 中建立 ML 操作管道 AWS 可以在數個抽象層級進行。最靈活和抽象的方法是使用 AWS Step Functions 來建立模型維護的工作流程。
如需 ML 操作管道的範例，請參閱MLOps End-to-End使用 Amazon SageMaker AI 管道的範例 AWS CodePipeline，以及 AWS CDK
