4、MLOps：从入门到实践

MLOps：从入门到实践

1. MLOps 核心组件概述

在机器学习项目中，MLOps（机器学习运维）起着至关重要的作用，它涵盖了从模型训练到部署、监控的整个流程。下面我们来详细了解 MLOps 的几个核心组件。

1.1 模型存储（Model Store）

训练好的机器学习模型需要存储在中央仓库中，这里是模型生命周期的起点。模型将从这里部署到不同的环境，如预发布、测试和生产环境。中央模型存储库是所有训练模型的唯一真实来源，具有以下优点：
- 有效管理机器学习模型及其生命周期。
- 实现模型的可追溯性和可重复性。
- 支持模型治理，帮助组织建立管理模型生命周期的政策和流程，促进合规性并降低与模型性能或行为相关的风险。
- 提供安全的存储和访问控制，防止模型被未经授权的访问或篡改。

当组织的机器学习模型数量增长到约 20 个或更多时，集中式模型存储的需求就变得尤为明显，它能克服模型管理和版本控制方面的挑战。

1.2 模型管理与生命周期

一旦模型训练完成并成为部署候选，就应存储在模型存储库中进行管理。模型存储库作为中央模型仓库，提供了模型的可见性、可发现性、可审计性和管理功能。不同公司的模型生命周期复杂程度不同，拥有合适的模型存储库来管理符合公司需求的生命周期，是确保一致性和合规性的关键。

1.3 模型可追溯性和可重复性

模型存储库不仅便于将模型过渡到生产环境，还能记录模型部署的审计跟踪信息，如谁部署了模型、何时部署以及部署说明等。在模型注册过程中，应捕获并存储模型的元数据和训练数据信息，以便在需要时能够重现特定模型。