Amazon SageMaker AI يتيح بث نتائج اختبارات أداء النماذج إلى MLflow

أعلنت Amazon عن تكامل جديد بين MLflow وAmazon SageMaker AI، يمرّر في الوقت الفعلي نتائج مهام اختبار أداء النماذج (benchmarking) ومهام اختيار إعدادات الاستدلال المثلى إلى واجهة موحدة لتتبع التجارب.

ما الذي يُبث فعلياً إلى MLflow

يتوفر في SageMaker AI نوعان من المهام تتدفق بياناتهما الآن تلقائياً إلى MLflow: مهام اختيار إعدادات الاستدلال المثلى (optimized inference recommendation jobs) ومهام اختبار الأداء (benchmark jobs). وتُرسل هذه المهام المقاييس ومعلمات التشغيل والرسوم البيانية إلى تطبيق Amazon SageMaker MLflow العديم الخوادم، دون تصدير يدوي ودون الحاجة إلى دمج الجداول يدوياً بعد ذلك.

• بُني التكامل فوق تطبيق MLflow المُدار ضمن Amazon SageMaker AI
• يشمل البث نوعين من المهام: مهام اختبار الأداء ومهام اختيار إعدادات الاستدلال
• تُرسل إلى MLflow المقاييس ومعلمات التشغيل والرسوم البيانية
• تُحدَّث البيانات في الوقت الفعلي، ولا تُصدَّر بأثر رجعي بعد انتهاء المهمة

ماذا يعني ذلك لمهندسي تعلم الآلة؟

قد تستغرق مهام اختبار الأداء والتوصية في SageMaker AI وقتاً طويلاً، لأنها تختبر خيارات متعددة لإعدادات البنية التحتية الملائمة لنموذج بعينه. وفي السابق، لم يكن التقدم الوسيط لمثل هذه المهمة ظاهراً، إذ كانت النتيجة تظهر فقط بعد اكتمال التشغيل بالكامل. أما مع تكامل البث، فتصل المقاييس إلى واجهة MLflow أثناء التنفيذ، ويستطيع المهندس مراقبة سلوك كل خيار من خيارات الإعداد دون انتظار النهاية.

ويتعلق التغيير الثاني بطريقة تخزين النتائج نفسها. تصف Amazon الحصيلة بأنها «تجربة موحدة لتتبع التجارب»: فبدلاً من سجلات متفرقة لكل تشغيل على حدة، يحصل الفريق على متتبّع مشترك تتجمع فيه تلقائياً بيانات جميع المهام المترابطة. وهذا هو المبدأ نفسه الذي أُنشئ MLflow من أجله أداةً مفتوحة المصدر، غير أنه صار الآن متصلاً أصلاً باختبارات الأداء المُدارة في SageMaker AI، ولا يتطلب إعداداً منفصلاً للعميل (client) من أجل تسجيل المقاييس.

الخلاصة

بالنسبة إلى الفرق التي تختبر إعدادات متنوعة للبنية التحتية قبل نقل النماذج التوليدية إلى بيئة الإنتاج، تقلل لوحة المقاييس الموحدة من صعوبة المقارنة بين الخيارات وتسرّع اختيار الحل الأمثل. فلا حاجة إلى جمع النتائج يدوياً من مهام منفصلة لمعرفة أي إعداد هو الأفضل من حيث التوازن بين زمن الاستجابة والإنتاجية والتكلفة.