سيلدون الأساسية والرسوم البيانية الاستدلالية
Seldon Core عبارة عن منصة مفتوحة المصدر لنشر نماذج التعلم الآلي على Kubernetes، مع ميزة بارزة: الرسوم البيانية الاستدلالية.
نظرة عامة
Instead of serving one isolated model, it lets you chain models, routers, combiners, and transformers into a single directed graph that runs as one deployable service.
الغوص العميق
تتضمن العديد من حالات الاستخدام الإنتاجي الحقيقي أكثر من استدعاء نموذج واحد. يمكنك إجراء معالجة مسبقة للإدخال، وتوجيه طلب إلى أحد النماذج المتعددة، وتشغيل مجموعة، ثم معالجة النتيجة لاحقًا. يعبر Seldon Core عن ذلك كرسم بياني استدلالي محدد في SeldonDeployment (أو، في بنية v2، عبر Seldon Core Operator وMLServer). تم إنشاء الرسم البياني من أنواع المكونات القابلة لإعادة الاستخدام: النموذج يخدم التنبؤات، والمحول يعدل المدخلات أو المخرجات، ويقرر جهاز التوجيه الطفل الذي سيتم الاتصال به (تمكين اختبارات A/B وقطاعات الطرق المتعددة الأذرع)، ويقوم الموحد بتجميع المخرجات من نماذج متعددة للتجميع. يدعم Seldon العديد من أطر العمل من خلال الخوادم المعبأة مسبقًا ومغلفات Python المخصصة، ويكشف عن مقاييس غنية وتتبع موزع وتسجيل خروج الحمولة من الصندوق لسهولة الملاحظة والشرح.
البصيرة الفنية
الرسم البياني للاستدلال هو رسم بياني غير دوري موجه حيث تكون كل عقدة عبارة عن خدمة صغيرة ذات واجهة تنبؤ قياسية، ويقوم منسق سيلدون (منسق/منفذ الخدمة) بتوجيه طلب من خلال الرسم البياني ودمج الاستجابات. نظرًا لأن أجهزة التوجيه يمكنها تنفيذ منطق قطاع الطرق متعدد الأذرع، فيمكن أن تتحول حركة المرور بشكل تكيفي نحو النماذج ذات الأداء الأفضل استنادًا إلى إشارات المكافآت المباشرة. يقوم Seldon Core v2 بفصل الرسم البياني عن خوادم النماذج الفردية باستخدام MLServer وبروتوكول Open Inference Protocol، مما يتيح خدمة النماذج المتعددة والالتزام الزائد بالأجهزة المشتركة.
التأثير الاستراتيجي
التكلفة والميزانية
تؤدي قرارات الهندسة المعمارية إلى زيادة الأداء وتكلفة التشغيل لسنوات.
قرارات أوضح
يساعد التعليم الفني الفرق على اختيار المجموعة المناسبة، وليس فقط المجموعة الأحدث.
مراقبة الجودة
تعمل الخيارات الهندسية الأفضل على تقليل حوادث الموثوقية في الإنتاج.
مستقبل سيلدون الأساسية والرسوم البيانية الاستدلالية
يتجه Seldon نحو عمليات MLOs المعيارية المرتكزة على البيانات مع تصميم خط الأنابيب وتدفق البيانات الخاص بـ Core v2، بالإضافة إلى الاقتران الأكثر إحكامًا مع اكتشاف الانجراف (Alibi Detect) وقابلية الشرح (Alibi Explore). نظرًا لأن LLMs والأنظمة الوكيلة تصبح رسومًا بيانية مركبة للاسترجاع والنماذج والأدوات، فإن تجريد الرسم البياني الاستدلالي يرسم بشكل طبيعي على مسارات العمل هذه. توقع المزيد من التركيز على كفاءة تقديم النماذج المتعددة، والتدفق، وإمكانية المراقبة الموحدة بحيث تظل أنظمة الذكاء الاصطناعي المعقدة ومتعددة الخطوات قابلة للتصحيح والإدارة في الإنتاج.
التنفيذ في العالم الحقيقي
يقوم المقرض بربط محول يقوم بتشفير الميزات بشكل سريع في عقدة نموذجية، ثم محول يقوم بتنسيق النتيجة، كل ذلك في صورة SeldonDeployment واحدة.
تستخدم شركة إعلامية عقدة جهاز توجيه تقوم بتشغيل قاطع طريق متعدد الأذرع لإرسال المزيد من حركة المرور ديناميكيًا إلى أي نموذج توصية يحصل على مكافأة نقر أعلى.
يقوم الفريق بتجميع ثلاثة نماذج احتيال مع عقدة Combiner التي تقوم بحساب متوسط درجاتهم قبل إرجاع قرار واحد إلى المتصل.
تقوم شركة تأمين خاضعة للتنظيم بإرفاق تسجيل حمولة Seldon وتفسيرات Alibi برسم بياني للاستدلال حتى يمكن تتبع كل توقع وشرحه لعمليات التدقيق.
المخاطر والدرابزين
يمكن أن يؤدي تحسين معيار واحد إلى إخفاء نقاط ضعف النظام الأوسع.
غالبًا ما يتم التقليل من تكاليف البنية التحتية والصيانة.
يمكن أن تنمو الفجوات الأمنية وقابلية المراقبة عندما تصبح الأنظمة أكثر تعقيدًا.
خارطة طريق التنفيذ
تحديد الكمون والجودة وأهداف التكلفة قبل التنفيذ.
المعيار في ظل ظروف التحميل والبيانات الواقعية.
مراقبة الأدوات للأخطاء والانجراف وتأثير المستخدم.
قم بإعداد مسارات التراجع والاستجابة للحوادث قبل القياس.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Seldon Core and Inference Graphs quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
TensorRT ومحركات الاستدلال
الأسئلة المتداولة
What is Seldon Core and Inference Graphs?
Seldon Core عبارة عن منصة مفتوحة المصدر لنشر نماذج التعلم الآلي على Kubernetes، مع ميزة بارزة: الرسوم البيانية الاستدلالية. بدلاً من تقديم نموذج واحد معزول، فإنه يتيح لك سلسلة النماذج وأجهزة التوجيه والمجمعات والمحولات في رسم بياني موجه واحد يعمل كخدمة واحدة قابلة للنشر.
ما هي السمة المميزة التي تميز Seldon Core عن الخادم أحادي الطراز؟
يتيح لك Seldon Core إنشاء النماذج وأجهزة التوجيه والمجمعات والمحولات في رسم بياني استدلالي واحد يتم نشره كخدمة واحدة.
ما هو مكون الرسم البياني Seldon الذي يقرر العقدة الفرعية التي سيتم إرسال طلب إليها، مما يتيح اختبارات A/B؟
يقوم جهاز التوجيه بتوجيه الطلبات إلى أحد أبنائه ويمكنه تنفيذ اختبارات A/B أو قطاع الطرق متعددي الأذرع.
ما نوع المكون الذي يجمع المخرجات من نماذج متعددة للتجميع؟
يقوم الموحد بدمج استجابات النماذج الفرعية المتعددة في مخرجات واحدة، وهي الطريقة التي يتم بها بناء المجموعات.
ما نوع هيكل الرسم البياني الذي يشكله الرسم البياني لاستدلال سيلدون؟
الرسوم البيانية لاستدلال سيلدون هي رسوم بيانية حلقية موجهة حيث تكون كل عقدة عبارة عن خدمة صغيرة ذات واجهة تنبؤية قياسية.
في Seldon Core v2، ما هو الخادم والبروتوكول الذي يتيح خدمة النماذج المتعددة عبر الرسم البياني؟
يقوم Core v2 بفصل الرسم البياني عن الخوادم النموذجية باستخدام MLServer وبروتوكول Open Inference Protocol لتقديم نماذج متعددة.