Usamos cookies para medir audiência e melhorar sua experiência. Você pode aceitar ou recusar a qualquer momento. Veja sobre o iMasters.
Como assim? a questão que fica é: como fazer o rollback de uma arquitetura de redes neurais com múltiplas camadas escondidas? Isso dá muito trabalho, principalmente na hora de manter a consistência dos pesos.
mano, o lance do rollback em ML é que, geralmente, a gente precisa guardar o estado completo do modelo, pesos, biases, tudo.
exato, mas tem que ficar atento ao ambiente de produção. Se o modelo mudou, o sistema de produção precisa estar preparado pra lidar com a troca sem travar. Um rollback mal feito pode complicar mais ainda.
duvido!
a minha dúvida é: até que ponto a automação do rollback de modelos complexos realmente reduz risco? Acho que tem que pensar bem na estratégia de testes antes de implementar qualquer coisa.
eu faria o seguinte: usar um versionamento dos pesos e configurações. Sempre que for atualizar o modelo, salva uma versão. Se der ruim, volta pra versão anterior. É simples e funciona na prática.