Comment sécuriser et industrialiser vos modèles Deep Learning avec l'action dlmzExport ?

Industrialisation et Standardisation via le Model Zoo

Dans un environnement SAS Viya, l'industrialisation des modèles d'intelligence artificielle est une étape critique de votre pipelineChaîne de flux de données automatisée intégrant prétraitement, sélection de variables et modèles supervisés pour comparer leurs performances et déployer le meilleur candidat dans SAS Viya. de données. L'action dlmzExport, issue du jeu d'actions Model Zoo, permet d'extraire et de consolider la structure complète et les poids d'un réseau de neuronesUn réseau de neurones est un modèle d'IA bio-inspiré composé de couches de nœuds interconnectés, capable d'apprendre des relations complexes dans les données pour prédire ou classifier avec précision. profond (basé sur le framework PyTorchPyTorch est un framework open source d'apprentissage profond (Deep Learning) facilitant la création de graphes de calcul dynamiques et l'entraînement de modèles de réseaux de neurones complexes.) vers une table en mémoireGemini said
Espace de stockage temporaire (RAM) utilisé par le moteur CAS pour charger et traiter les données à haute vitesse, minimisant les accès disque pour optimiser les performances de SAS Viya.
hautement disponible.

D'un point de vue architecture Data, cette action transforme votre algorithme en un artefact analytique standardisé. Elle encapsule l'état du modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting)., l'objectif d'entraînement et le format attendu des données en entrée. Cela facilite drastiquement le déploiement en production, la gouvernance algorithmique et l'intégration fluide du modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting). pré-entraîné dans des flux de scoringProcessus d'application d'un modèle prédictif à de nouvelles données pour calculer une probabilité ou un score, permettant ainsi d'automatiser la prise de décision en temps réel sur SAS Viya. à haut débit via Cloud Analytic ServicesMoteur d'exécution in-memory de SAS Viya. Il assure le traitement massivement parallèle (MPP) et distribué des données pour optimiser les performances analytiques et le passage à l'échelle..

Schéma : Comment sécuriser et industrialiser vos modèles Deep Learning avec l'action dlmzExport ?

Exemples pour l'action dlmzExport

Exportation basique d'un modèle en mémoire

Ce code exporte un modèle existant en mémoire vers une table d'état final (souvent appelée Astore) de manière simple.

Exportation complète avec options YAML et allocation GPU

Une exportation plus poussée où l'on configure spécifiquement le GPU à utiliser, la fonction de perte ('CROSS_ENTROPY'), un niveau de journalisation affiné ('DEBUG') et des métadonnées supplémentaires en YAML.