ML Metadata：ML 的版本控制

文 / Ben Mathes 和 Neoklis Polyzotis，代表 TFX 团队发布

在编写代码时，您需要追踪代码进行追踪版本控制。那么 ML 的版本控制是什么？如果您正在构建生产 ML 系统，您需要能够回答如下问题：

• 模型是基于哪个数据集进行训练的？

• 使用了哪些超参数？

• 创建此模型时，使用了哪个流水线？

• 创建此模型时，使用了哪个版本的 TensorFlow（和其他库）？

• 是什么导致了此模型失败？

• 上次部署的模型版本是什么？

Google 工程师从多年来之不易的经验中得出，ML 工件的历史与继承关系要远比简单的线性日志复杂。您可以使用 Git（或类似工具）追踪代码；您还需要使用一些工具来追踪模型、数据集等。虽然 Git 可以在很大程度上简化一些工作，但归根结底，您仍需要一个包含了许多内容的图表！由于 ML 代码和工件（如模型、数据集等）的复杂性，您需要采用一种类似的方法。

• 包含了许多内容的图表！