Kapitel 7. Ausbildungspipeline
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Die Phase nach der Vorverarbeitung ist die Modellschulung, während der das maschinelle Lernmodell die Trainingsdaten einliest und diese Daten verwendet, um seine Gewichte anzupassen (siehe Abbildung 7-1). Nach dem Training wird das Modell gespeichert oder exportiert, damit es eingesetzt werden kann.
Abbildung 7-1. Bei der Modellschulung wird das ML-Modell auf vorverarbeiteten Daten trainiert und dann für den Einsatz exportiert. Das exportierte Modell wird verwendet, um Vorhersagen zu treffen.
In diesem Kapitel werden wir uns ansehen, wie wir die Aufnahme von Trainings- (und Validierungs-) Daten in das Modell effizienter gestalten können. Wir werden die Vorteile des Time-Slicing zwischen den verschiedenen Recheneinheiten (CPUs und GPUs) nutzen, die uns zur Verfügung stehen, und untersuchen, wie wir den gesamten Prozess belastbarer und reproduzierbarer machen können.
Tipp
Der Code für dieses Kapitel befindet sich im Ordner 07_training im GitHub-Repository des Buches. Wir geben die Dateinamen für die Codebeispiele und die Notizbücher an, wenn sie zutreffen.
Effiziente Ingestion
Ein großer Teil der Zeit, die für das Trainieren von maschinellen Lernmodellen benötigt wird, wird für das Einlesen der Daten verwendet, d.h. ...
Get Praktisches maschinelles Lernen für Computer Vision now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
