概述
它不是提供一个孤立的模型，而是让您将模型、路由器、组合器和转换器链接到作为一项可部署服务运行的单个有向图中。
深入探讨
许多实际生产用例涉及多个模型调用。您可以预处理输入，将请求路由到多个模型之一，运行集成，然后对结果进行后处理。 Seldon Core 将其表达为 SeldonDeployment 中定义的推理图（或者，在 v2 架构中，通过 Seldon Core Operator 和 MLServer）。该图是由可重用的组件类型构建的：模型提供预测，变压器修改输入或输出，路由器决定调用哪个子级（启用 A/B 测试和多臂老虎机），组合器聚合多个模型的输出以进行集成。 Seldon 通过预打包的服务器和自定义 Python 包装器支持许多框架，并且它公开了丰富的指标、分布式跟踪和开箱即用的有效负载日志记录，以实现可观察性和可解释性。
现实世界的实施
贷方链接一个 Transformer，将特征一次性编码到模型节点中，然后链接一个格式化分数的 Transformer，所有这些都作为一个 SeldonDeployment。
一家媒体公司使用运行多臂老虎机的路由器节点来动态地将更多流量发送到获得更高点击奖励的推荐模型。
一个团队将三个欺诈模型与一个组合器节点集成在一起，该节点在将单个决策返回给调用者之前对它们的分数进行平均。
一家受监管的保险公司将 Seldon 的有效负载记录和 Alibi 解释器附加到推理图上，以便可以跟踪和解释每个预测以进行审计。
Seldon 核心和推理图的未来
Seldon 正在通过 Core v2 的管道和数据流设计，以及与漂移检测 (Alibi Detect) 和可解释性 (Alibi Expand) 的更紧密耦合，转向模块化、以数据为中心的 MLOps。随着法学硕士和代理系统成为检索、模型和工具的复合图，推理图抽象自然地映射到这些工作流程上。预计将更加重视多模型服务效率、流媒体和标准化可观测性，以便复杂的多步骤人工智能系统在生产中保持可调试和可治理。
付诸实践
为什么这很重要
- 成本与预算. 多年来，架构决策决定着性能和运营成本。
- 更清晰的判决. 技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
- 质量控制. 更好的工程选择可以减少生产中的可靠性事故。
留意
- 优化一项基准测试可以隐藏更广泛的系统弱点。
- 基础设施和维护成本常常被低估。
- 随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
后续步骤
- 在实施之前定义延迟、质量和成本目标。
- 在实际负载和数据条件下进行基准测试。
- 仪器监控错误、漂移和用户影响。
- 在扩展之前准备回滚和事件响应路径。
不断探索
常见问题
什么是 Seldon 核心和推理图？
Seldon Core 是一个用于在 Kubernetes 上部署机器学习模型的开源平台，具有一个突出的功能：推理图。它不是提供一个孤立的模型，而是让您将模型、路由器、组合器和转换器链接到作为一项可部署服务运行的单个有向图中。
Seldon Core 与单一型号服务器的区别特征是什么？
Seldon Core 允许您将模型、路由器、组合器和转换器组合成作为一项服务部署的单个推理图。
哪个 Seldon 图组件决定向哪个子节点发送请求，从而启用 A/B 测试？
路由器将请求定向到其子级之一，并且可以实施 A/B 测试或多臂老虎机。
哪种组件类型聚合多个模型的输出以进行集成？
组合器将多个子模型的响应合并为单个输出，这就是集成的构建方式。
Seldon 推理图形成什么样的图结构？
Seldon 推理图是有向无环图，其中每个节点都是具有标准预测接口的微服务。
在 Seldon Core v2 中，哪种服务器和协议支持跨图的多模型服务？
Core v2 使用 MLServer 和开放推理协议将图与模型服务器解耦以实现多模型服务。