tensorflow - 生产环境中的 TensorFlow：如何重新训练您的模型

Question

我有一个与此相关的问题：

TensorFlow 在生产中用于高流量应用中的实时预测 - 如何使用？

我想设置 TensorFlow Serving 来为我们的其他应用程序做推理服务。我看到了 TensorFlow Serving 如何帮助我做到这一点。此外，它提到了一个持续训练管道，这可能与 TensorFlow Serving 可以服务于多个版本的训练模型的可能性有关。但我不确定如何在获得新数据时重新训练模型。另一篇文章提到了使用 cron 作业进行再培训的想法。但是，我不确定自动再培训是否是一个好主意。对于一个持续面对新的、标记数据的系统，你会为一个持续的再训练管道提出什么样的架构？

编辑：这是一个监督学习案例。问题是您会在 n 个新数据点进入后自动重新训练您的模型，还是在客户停机期间自动重新训练或手动重新训练？

Answer 1

您可能想要使用某种半监督训练。在这方面有相当广泛的研究。

一种粗略但权宜的方法，效果很好，就是使用当前最好的模型来标记新的传入数据。模型通常能够产生分数（希望是对数概率）。您可以使用该分数仅对适合的数据进行训练。

这是我们在语音识别中使用的一种方法，是一个很好的基准。