Amazon web services 在SageMaker上改变训练模型的预处理
我已经在SageMaker和预处理方面对模型进行了培训。通过预处理，我的意思是我添加了input_handler和output_handler函数的inference.py文件Amazon web services 在SageMaker上改变训练模型的预处理,amazon-web-services,machine-learning,preprocessor,amazon-sagemaker,Amazon Web Services,Machine Learning,Preprocessor,Amazon Sagemaker,我已经在SageMaker和预处理方面对模型进行了培训。通过预处理，我的意思是我添加了input_handler和output_handler函数的inference.py文件 我工作得很好，但问题是每次我想在预处理中改变一些东西时，我必须重新训练模型。是否有其他方法可以在不进行再培训的情况下执行此操作？经过培训的模型只是一个获取参数（输入向量）并返回输出（输出向量/值）的函数。如果使用修改后的预处理更改了输入，则需要更改函数的实现。这意味着您需要重新训练您的模型 重新训练你的模型是一个好习惯，
我工作得很好，但问题是每次我想在预处理中改变一些东西时，我必须重新训练模型。是否有其他方法可以在不进行再培训的情况下执行此操作？经过培训的模型只是一个获取参数（输入向量）并返回输出（输出向量/值）的函数。如果使用修改后的预处理更改了输入，则需要更改函数的实现。这意味着您需要重新训练您的模型 重新训练你的模型是一个好习惯，即使你在预处理过程中没有做任何改变，因为输入会随着时间的推移而改变。房价的经典例子是强调你的模型只适用于你训练的数据。如果几年后市场发生了变化，你必须重新培训你的模型 一些模特每天都在接受再培训。Amazon SageMaker使训练模型变得很容易，但是调用train API并等待它完成。您可以自动构建新的Docker映像（如果更改了预处理）、调用培训API，然后将部署API调用到SageMaker到ECS/EKS或任何其他容器托管服务