Model Registry

Model kayıt defteri, makine öğrenimi modellerini yaşam döngüleri boyunca düzenlemek, sürümlemek, yönetmek ve almak için kullanılan merkezi bir sistemdir. Öğrenilmiş model ağırlıkları gibi model dosyalarını, her modelin nasıl eğitildiğini, değerlendirildiğini, onaylandığını ve dağıtıldığını açıklayan meta verilerle ilişkilendirir. Makine öğrenimi operasyonlarının temel bir bileşeni olan kayıt defteri, ekiplerin üretim trafiğine hangi model sürümünün hizmet vermesi gerektiğine karar vermesi için güvenilir bir kaynak sunar.

Model Kayıt Defteri Nasıl Çalışır?#

Model kaydı, bir eğitim çalıştırmasının aday bir model üretmesinden sonra başlar. Kayıt defteri adlandırılmış bir giriş oluşturur, bir sürüm atar ve yapıyı anlamak ve yeniden üretmek için gereken bilgileri kaydeder. Tipik bir giriş şunları içerir:

• Model yapısı: Serileştirilmiş ağırlıklar, ön işleme mantığı, yapılandırma dosyaları veya bunların depolandığı konuma bir referans.
• Sürüm: Bir adayı diğerinden ayıran değiştirilemez tanımlayıcı.
• Metrikler ve parametreler: Doğrulama doğruluğu, kesinlik, geri çağırma, gecikme, veri kümesi ayrıntıları, hiperparametreler ve diğer ölçümler.
• Soy: Model, kaynak kodu, eğitim çalıştırması ve veriler arasındaki bağlantılar.
• Durum: Aday, onaylandı, reddedildi, şampiyon veya arşivlendi gibi etiketler.
• Dağıtım bilgileri: Sürümü şu anda kullanan ortamlar ve uç noktalar.

Platformlar bu fikirleri farklı şekillerde uygular. MLflow Model Registry iş akışı kayıtlı modelleri, sürümleri, takma adları ve etiketleri kullanırken Amazon SageMaker Model Registry model gruplarını, onay durumlarını, soyu ve dağıtım otomasyonunu destekler. Bazı sistemler ayrıca Snowflake model imzası belgelerinde açıklanan beklenen girdi ve çıktı şemasını ifade eden bir model imzası da kaydeder.

champion veya production gibi takma adlar, değiştirilemez sürümler arasında taşınabilen kararlı adlar sağlar. Vertex AI model takma adı kılavuzunda açıklandığı gibi bir uygulama, sürüm numarasını sabit kodlamadan bir takma ad isteyebilir.

Model Kayıt Defteri ve İlgili Kavramlar#

Model kayıt defteri çeşitli ML araçlarıyla örtüşür, ancak farklı bir amaca hizmet eder:

• Deney takibi parametreler, metrikler ve ara yapılar dahil olmak üzere eğitim çalıştırmalarını kaydeder. Kayıt defteri, bu deneylerden seçilen çıktıları alır ve bunları sürüm adayları olarak yönetir.
• Yapı depolama büyük dosyaları barındırır. Kayıt defteri bu dosyaları doğrudan depolayabilir, ancak harici nesne depolamaya işaret eden bir meta veri dizini olarak da işlev görebilir. Kubeflow Model Registry mimarisi bu meta veri merkezli tasarımı gösterir.
• Kaynak denetimi kodu sürümlerken model kayıt defteri eğitilmiş yapıları ve bunlara ait ML'ye özgü meta verileri sürümler. GitLab model registry, model sürümlerini CI/CD işleri, günlükler, metrikler ve parametrelerle ilişkilendirebilir.
• Model dağıtımı seçilen bir modeli çıkarım için kullanılabilir hale getirir. Kayıt defteri onaylanan yapıyı tanımlar; dağıtım sistemi onu çalıştırır.
• Model izleme yayınlandıktan sonra üretim davranışını gözlemler. İzleme sonuçları değerlendirmeyi, yeniden eğitimi, kaydı ve yerine geçecek bir sürümün yayına alınmasını tetikleyebilir.

Bu nedenle kayıt defteri, etrafındaki her bileşenin yerini almak yerine denemeler ile üretim arasındaki kontrol noktası olarak işlev görür.

Gerçek Dünya Uygulamaları#

Bir üretim denetim sisteminde mühendisler, kameralar, malzemeler veya ürün tasarımları değiştiğinde kusur algılayıcıyı yeniden eğitebilir. Kayıt defteri her modelin veri kümesi referansını, ortalama kesinliğini, çıkarım gecikmesini ve desteklenen donanım biçimini saklayabilir. Testler 12. sürümün yanlış alarm sayısını artırmadan çizik algılamayı iyileştirdiğini doğruladıktan sonra bir onaylayıcı bu sürümü yayına alabilir ve anında geri alma için 11. sürümü saklayabilir.

Tıbbi görüntü analizinde birden çok ekip tümör algılama adaylarını değerlendirebilir. Kayıt işlemi her sürüm için doğrulama sonuçlarını, eğitim yapılandırmasını, sorumlu sahibini ve onay geçmişini korur. Üretim uygulamaları incelenmiş modellerle sınırlandırılabilir; eski sürümler ise denetimler ve yeniden üretilebilirlik için kullanılabilir durumda kalır. Snowflake Model Registry yönetişimi için açıklananlar gibi rol tabanlı denetimler, hassas yapıların yetkisiz şekilde değiştirilmesini veya incelenmesini önlemeye yardımcı olur.

Ultralytics İş Akışlarında Model Kaydı#

Ultralytics Platform, veri kümelerine açıklama ekleme, eğitim, sonuçları karşılaştırma, dışa aktarma, dağıtma ve bilgisayarlı görü modellerini izleme için merkezi model yönetimi sağlar. Belgelenen Platform model yönetimi iş akışı, yüklenen .pt ağırlıklarını ve bulut ya da uzak eğitim yoluyla üretilen modelleri destekler.

Aşağıdaki belgelenmiş iş akışı, Ultralytics YOLO26 modelini yerel olarak eğitirken ortaya çıkan modeli, yapılandırmayı, metrikleri ve günlükleri adlandırılmış bir Platform projesine gönderir:

import os

from ultralytics import YOLO

# Authenticate remote training with Ultralytics Platform
os.environ["ULTRALYTICS_API_KEY"] = "YOUR_API_KEY"

model = YOLO("yolo26n.pt")

model.train(
    data="coco8.yaml",
    epochs=3,
    project="username/model-registry-demo",
    name="candidate-001",
)

Proje ve çalıştırma adı, adayın ilgili modellerle birlikte bulunabilmesini sağlar. Ekipler modeli değerlendirebilir, ek deney günlüğü kaydı için Ultralytics MLflow entegrasyonunu kullanabilir veya kayıtlı bir modelin belirli bulut ya da uç donanımında çalışması gerektiğinde YOLO model dışa aktarma özelliğini uygulayabilir.

Uygulamalı Kayıt Defteri Rehberi#

Kayıtlı her sürümü değiştirilemez olarak kabul et. Dağıtım için insanlar tarafından okunabilir takma adlar kullan, doğrulama kanıtlarını sakla ve net yayına alma gereksinimleri tanımla. Anlamsal Sürümleme tabanlı bir adlandırma politikası uyumluluk değişikliklerini iletebilir; ancak otomatik olarak artırılan sürümler de etkilidir.

En önemlisi, açıklanmamış ağırlık dosyaları yerine eksiksiz model paketlerini kaydet. Eksik ön işleme kuralları, sınıf adları, girdi şemaları, bağımlılıklar veya veri kümesi referansları, görünüşte geçerli bir modelin yeniden üretilmesini olanaksız veya dağıtımını güvensiz hale getirebilir. Erişim denetimleri, otomatik testler, onay kapıları, denetim günlükleri ve geri alma prosedürleri, model kayıt defterini bir dosya kataloğundan güvenilir bir üretim güvenlik mekanizmasına dönüştürür.