概要
Seldon Core は、Kubernetes 上に機械学習モデルをデプロイするためのオープンソース プラットフォームであり、推論グラフという傑出した機能を備えています。 1 つの分離されたモデルを提供するのではなく、モデル、ルーター、コンバイナー、トランスフォーマーを 1 つのデプロイ可能なサービスとして実行される単一の有向グラフにチェーンできます。
Seldon Core および Inference Graphs は、大規模なモデルの品質、インフラストラクチャのコスト、レイテンシ、信頼性に影響を与える技術的なビルディング ブロックです。
ディープダイブ
実際の運用ユースケースの多くは、複数のモデル呼び出しを必要とします。入力を前処理し、リクエストを複数のモデルの 1 つにルーティングし、アンサンブルを実行して、結果を後処理することができます。 Seldon Core は、これを SeldonDeployment (または、v2 アーキテクチャでは Seldon Core Operator および MLServer 経由) で定義された推論グラフとして表現します。グラフは再利用可能なコンポーネント タイプから構築されます。モデルは予測を提供し、トランスフォーマーは入力または出力を変更し、ルーターはどの子を呼び出すかを決定し (A/B テストとマルチアーム バンディットを有効にします)、コンバイナーはアンサンブルのために複数のモデルからの出力を集約します。 Seldon は、事前にパッケージ化されたサーバーとカスタム Python ラッパーを通じて多くのフレームワークをサポートし、豊富なメトリクス、分散トレース、ペイロード ログをすぐに利用できるようにして、可観測性と説明可能性を実現します。
技術的な洞察
推論グラフは有向非循環グラフであり、各ノードは標準予測インターフェイスを備えたマイクロサービスであり、セルドンのオーケストレーター (サービス オーケストレーター/エグゼキューター) がグラフを通じてリクエストをルーティングし、応答をマージします。ルーターはマルチアーム バンディット ロジックを実装できるため、トラフィックはライブ報酬信号に基づいてよりパフォーマンスの高いモデルに適応的に移行できます。 Seldon Core v2 は、MLServer と Open Inference Protocol を使用してグラフを個々のモデル サーバーから切り離し、共有ハードウェアでのマルチモデル サービングとオーバーコミットを可能にします。
セルドンコアと推論グラフをマスターする
Seldon Core は、Kubernetes 上に機械学習モデルをデプロイするためのオープンソース プラットフォームであり、推論グラフという傑出した機能を備えています。 1 つの分離されたモデルを提供するのではなく、モデル、ルーター、コンバイナー、トランスフォーマーを 1 つのデプロイ可能なサービスとして実行される単一の有向グラフにチェーンできます。 Seldon Core および Inference Graphs は、大規模なモデルの品質、インフラストラクチャのコスト、レイテンシ、信頼性に影響を与える技術的なビルディング ブロックです。深い理解を構築するには、セルドン コアと推論グラフを単一の機能ではなくオペレーティング モデルとして扱います。望ましい結果を定義し、前提条件を明確にし、システムが確実に実行できることと、依然として専門家の判断が必要なことを分離します。
実際、Seldon Core と Inference Graphs を使用する強力なチームは、信頼性とコストに照らしてアーキテクチャ、データ、インフラストラクチャの選択を最適化します。明示的な成功基準を文書化し、現実的なデータとワークフローに対してテストし、一度限りのベンチマークの成功ではなく、観察された失敗パターンに基づいて反復します。ここで、理論的な理解が、製品、ポリシー、運用全体にわたる永続的な機能に変わります。
アーキテクチャの決定により、パフォーマンスと運用コストが何年にもわたって推進されます。同時に、1 つのベンチマークを最適化すると、より広範なシステムの弱点が隠れる可能性があります。最も回復力のあるアプローチは、実験のスピードとガバナンスの規律を組み合わせることであり、パイロットを実行し、証拠を取得し、意思決定ログを公開し、モデルの動作、ユーザーの期待、規制要件の進化に応じて安全対策を継続的に更新します。
戦略的影響
アーキテクチャの決定により、パフォーマンスと運用コストが何年にもわたって推進されます。
アーキテクチャの決定により、パフォーマンスと運用コストが何年にもわたって推進されます。高品質の導入では、これが測定可能な運用ルール、所有権の境界、定期的なレビューの儀式に変換されるため、チームは曖昧さを拡大するのではなく、自信を拡大することができます。
技術教育は、チームが最新のスタックだけでなく、適切なスタックを選択するのに役立ちます。
技術教育は、チームが最新のスタックだけでなく、適切なスタックを選択するのに役立ちます。高品質の導入では、これが測定可能な運用ルール、所有権の境界、定期的なレビューの儀式に変換されるため、チームは曖昧さを拡大するのではなく、自信を拡大することができます。
より良いエンジニアリングの選択により、本番環境での信頼性に関するインシデントが減少します。
より良いエンジニアリングの選択により、本番環境での信頼性に関するインシデントが減少します。高品質の導入では、これが測定可能な運用ルール、所有権の境界、定期的なレビューの儀式に変換されるため、チームは曖昧さを拡大するのではなく、自信を拡大することができます。
現実世界の実装
貸し手は、機能をモデル ノードにワンホット エンコードする Transformer と、スコアをフォーマットする Transformer をすべて 1 つの SeldonDeployment としてチェーンします。
メディア企業は、マルチアーム バンディットを実行するルーター ノードを使用して、より高いクリック報酬を獲得しているレコメンデーション モデルにより多くのトラフィックを動的に送信します。
チームは、呼び出し元に単一の決定を返す前にスコアを平均する Combiner ノードを使用して 3 つの詐欺モデルをアンサンブルします。
規制対象の保険会社は、セルドンのペイロード ロギングと Alibi 説明ツールを推論グラフに添付して、監査のためにあらゆる予測を追跡および説明できるようにします。
実装パターン
実際のセルドンコアと推論グラフ
貸し手は、機能をモデル ノードにワンホット エンコードする Transformer と、スコアをフォーマットする Transformer をすべて 1 つの SeldonDeployment としてチェーンします。
貸し手は、機能をモデル ノードにワンホット エンコードする Transformer と、スコアをフォーマットする Transformer をすべて 1 つとしてチェーンします。SeldonDeployment チームは、通常、品質のしきい値を事前に定義し、エッジ ケースに対する人的エスカレーション パスを維持し、生産性の向上とエラー コストの両方を長期的に追跡すると、より良い結果が得られます。
実際のセルドンコアと推論グラフ
メディア企業は、マルチアーム バンディットを実行するルーター ノードを使用して、より高いクリック報酬を獲得しているレコメンデーション モデルにより多くのトラフィックを動的に送信します。
メディア企業は、マルチアーム バンディットを実行するルーター ノードを使用して、より高いクリック報酬を獲得しているレコメンデーション モデルにより多くのトラフィックを動的に送信します。チームは通常、品質のしきい値を事前に定義し、エッジ ケースに対する人的エスカレーション パスを確保し、生産性の向上とエラー コストの両方を長期的に追跡すると、より良い結果が得られます。
実際のセルドンコアと推論グラフ
チームは、呼び出し元に単一の決定を返す前にスコアを平均する Combiner ノードを使用して 3 つの詐欺モデルをアンサンブルします。
チームは、呼び出し元に 1 つの決定を返す前にスコアを平均する Combiner ノードを使用して 3 つの不正モデルをアンサンブルします。チームは通常、品質のしきい値を事前に定義し、エッジ ケースに対する人的エスカレーション パスを維持し、生産性の向上とエラー コストの両方を長期的に追跡すると、より良い結果が得られます。
実際のセルドンコアと推論グラフ
規制対象の保険会社は、セルドンのペイロード ロギングと Alibi 説明ツールを推論グラフに添付して、監査のためにあらゆる予測を追跡および説明できるようにします。
規制対象の保険会社は、セルドンのペイロード ロギングと Alibi 説明ツールを推論グラフに添付して、監査のためにあらゆる予測を追跡して説明できるようにしています。チームは通常、品質のしきい値を事前に定義し、エッジ ケースに対する人的エスカレーション パスを確保し、生産性の向上とエラー コストの両方を長期的に追跡すると、より良い結果が得られます。
リスクとガードレール
1 つのベンチマークを最適化すると、より広範なシステムの弱点が隠れる可能性があります。
インフラストラクチャとメンテナンスのコストは過小評価されがちです。
システムが複雑になるにつれて、セキュリティと可観測性のギャップが拡大する可能性があります。
実装ロードマップ
実装前にレイテンシ、品質、コストの目標を定義します。
実装前にレイテンシ、品質、コストの目標を定義します。各ステップを証拠ゲートとして扱います。基準が満たされない場合は、ロールアウトを一時停止し、ギャップを埋めてから、使用を拡大します。
現実的な負荷とデータ条件でのベンチマーク。
現実的な負荷とデータ条件でのベンチマーク。各ステップを証拠ゲートとして扱います。基準が満たされない場合は、ロールアウトを一時停止し、ギャップを埋めてから、使用を拡大します。
エラー、ドリフト、ユーザーへの影響を計測器で監視します。
エラー、ドリフト、ユーザーへの影響を計測器で監視します。各ステップを証拠ゲートとして扱います。基準が満たされない場合は、ロールアウトを一時停止し、ギャップを埋めてから、使用を拡大します。
スケーリングの前に、ロールバックとインシデント対応のパスを準備します。
スケーリングの前に、ロールバックとインシデント対応のパスを準備します。各ステップを証拠ゲートとして扱います。基準が満たされない場合は、ロールアウトを一時停止し、ギャップを埋めてから、使用を拡大します。