iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 21
0

本篇要學習靜態和動態推理,這是在機器學習中所要選擇的兩種不同推理。

文章:Static vs. Dynamic Inference


在設計機器學習中,有一環要考慮,就是我們要選擇在線的推理還是離線,也就是做出預測模型的方式。要是靜態的推理,還是持續提供資料不斷的修正模型。

首先介紹兩者的差異:

  • Static(Offline Inference):收集資料後讓模型進行訓練,不會有新的資料近來。

    • 易於檢查所有的資料。
    • 不必擔心成本:因為確定資料量後,就算數據資料太大,也只要增加機器就可以,預算容易計算。例如一秒鐘可以算1萬筆資料,如果有一兆筆,計算時間可以容易計算,想要加速也容易規劃。
    • 但有要在訓練前準備好資料的缺點。有些資料會因為環境或是時間等等因素而改變,無法經由事前準備。
    • 事前準備資料,也容易沒有收到一些特殊極值的狀況。
  • Dynamic(Online Inference):在訓練的時把模型放入電腦中,讓資料隨時進入,可能時時改變模型。

    • 進入的資料無法掌握,如果近來的是極值情況,會導致整個模型往極值發展。
    • 即時計算要考慮「延遲」問題,萬一計算太久,之後的資料近來,會來不及全部計算完產出完整的公式,而導致模型有誤差。但要消除這樣的時間差,可能需要大量的機器設備才有辦法達到。
    • 需要更多人力進行監控,監控輸入與輸出,避免發生問題。

睫毛之聲:

本篇成接著【Day20】3rd:靜態與動態訓練(Static vs. Dynamic Training)而來,前面介紹何謂靜態與動態訓練,這邊,兩篇可以一同參照。


上一篇
【Day20】3rd:靜態與動態訓練(Static vs. Dynamic Training)
下一篇
【Day22】3rd:數據依賴關係(Data Dependencies)
系列文
Machine Learning(by Google)30

尚未有邦友留言

立即登入留言