AI火了，但數(shù)據(jù)分析模型管理難、部署難的問題，應(yīng)該怎么解決？

近年來，隨著數(shù)字化基礎(chǔ)設(shè)施建設(shè)不斷完善，企業(yè)產(chǎn)業(yè)智能升級的需求不斷增長，人工智能產(chǎn)業(yè)發(fā)展進入“快車道”。隨著人工智能和機器學(xué)習(xí)在各個行業(yè)的應(yīng)用逐漸深入，AI模型數(shù)量將呈現(xiàn)幾何級數(shù)增長，而這也帶來了一些問題：
    ?管理難：不同模型之間的框架、部署方式不盡相同，導(dǎo)致異構(gòu)模型很難統(tǒng)一管理和維護；
    ?部署難：模型部署缺少統(tǒng)一的流程規(guī)范，模型部署周期過長，運維成本高。
為解決AI模型難以統(tǒng)一管理、無法快速部署及模型落地難等問題，美林?jǐn)?shù)據(jù)AI團隊傾力研發(fā)了一套基于Fass框架實現(xiàn)的三方模型管理平臺。

三方模型管理平臺

三方模型是基于開源項目OpenFaas，為數(shù)據(jù)科學(xué)家構(gòu)建的一套模型的在線開發(fā)、統(tǒng)一管理、部署和運維的管理平臺，可以讓AI模型的工程化部署應(yīng)用更加簡單、便捷和高效。平臺采用Serverless的服務(wù)模式構(gòu)建，具備高擴展、高可用和高性能等特點，用戶無需再關(guān)注底層服務(wù)構(gòu)建和資源分配等細(xì)節(jié)問題，可以更聚焦于業(yè)務(wù)模型代碼的開發(fā)。

? 異構(gòu)AI模型統(tǒng)一管理，運維更省心

對于不同AI模型的框架（Tensorflow、PMML、Keras、PyTorch等）構(gòu)建一個Docker基礎(chǔ)鏡像，在三方模型平臺上進行統(tǒng)一的上傳和管理；在模型開發(fā)時，平臺提供了統(tǒng)一的模板，進行在線開發(fā)和在線調(diào)試，同時支持模型的版本管理，確保每個模型具有可追溯性。
? 一鍵發(fā)布AI模型，部署更快捷
    模型上線部署可通過界面式參數(shù)進行配置，配置好模型的相關(guān)參數(shù)后，即可一鍵發(fā)布模型，還能生成標(biāo)準(zhǔn)API，供后續(xù)服務(wù)調(diào)用，降低部署難度和復(fù)雜度。另外，平臺還支持多種函數(shù)觸發(fā)器創(chuàng)建同步服務(wù)、異步服務(wù)、Kafka服務(wù)和調(diào)度任務(wù)等，滿足工程化的部署應(yīng)用需求。 

      ?AI模型橫向擴張，運行更智能
三方模型所管理的AI模型是運行在K8s集群上，K8s集群可以橫向擴展、根據(jù)并發(fā)請求數(shù)、CPU、內(nèi)存等指標(biāo)實現(xiàn)自動擴縮容，當(dāng)服務(wù)空閑時，實例副本能自動縮減到零，確保資源的合理利用。
      ?AI模型在線寫代碼，開發(fā)更高效
平臺內(nèi)嵌編輯器，可提供統(tǒng)一的開發(fā)環(huán)境，無需用戶在本地搭建環(huán)境，實現(xiàn)模型的在線開發(fā)與封裝，降低維護成本，提升模型的開發(fā)效率。
      ?一站式建模，流程更完整
三方模型管理平臺在實踐操作中，涵蓋了從模型接入、模型管理、模型運維到模型應(yīng)用的全流程。 

通過平臺，能實現(xiàn)AI算法模型的快速部署，讓整體效率提升4.5倍，即使同時在線上百個模型預(yù)測服務(wù)，單條數(shù)據(jù)也可實現(xiàn)毫秒級響應(yīng)。
總結(jié)
       三方模型能讓數(shù)據(jù)科學(xué)家無需關(guān)注底層運行環(huán)境，只專注于業(yè)務(wù)模型代碼的開發(fā)，在線編碼、快速進行模型部署，并成功解決了異構(gòu)模型統(tǒng)一管理和運維的問題，三方模型采用函數(shù)即服務(wù)（Fass）架構(gòu)實現(xiàn)，具備資源易擴展、高可用和高性能等特點，幫助企業(yè)快速進行AI模型部署和應(yīng)用。

聲明：本文只做技術(shù)研究討論，請勿用于非法目的，如果惡意使用造成任何法律責(zé)任本站概不負(fù)責(zé)！