Come usare un modello
Si esaminerà ora il modo in cui queste parti interagiscono tra loro per eseguire il training di un modello.
Training e uso di un modello
È importante distinguere tra training e uso di un modello.
L'uso di un modello significa fornire input e ricevere una stima o una previsione. Questo processo viene svolto sia quando si esegue il training del modello sia quando il modello viene usato nel mondo reale. L'uso di un modello richiede in genere meno di pochi secondi.
Al contrario, il training di un modello è il processo di miglioramento del funzionamento di un modello. Il training richiede l'uso del modello, nonché della funzione obiettivo e dell'ottimizzatore, in un ciclo speciale. Il training può richiedere minuti o giorni. In genere, il training di un modello viene eseguito una sola volta. Dopo il training, è possibile usarlo tutte le volte che si vuole senza apportare altre modifiche.
Ad esempio, nel nostro scenario relativo ai cani da valanga, vogliamo addestrare un modello, usando un set di dati pubblici. Il set di dati modifica il modello in modo che possa prevedere le dimensioni delle calzature di un cane in base alle dimensioni della pettorina. Dopo aver eseguito il training del modello, questo verrà usato come parte del negozio online per assicurarsi che i clienti acquistino gli stivali per cani adatti ai propri cani.
Dati per l'uso, dati per il training
Si ricordi che un set di dati è una raccolta di informazioni su oggetti o elementi. Ad esempio, un set di dati potrebbe contenere informazioni sui cani:
ID cane | Taglia stivali | Taglia imbracatura | Colore cane | Razza |
---|---|---|---|---|
0 | 27 | 12 | Marrone | San Bernardo |
1 | 26 | 11 | Nero | Labrador |
2 | 25 | 10 | Bianco | Labrador |
3 | 29 | 14 | Nero | Pastore nero |
Quando si usa il modello, sono necessarie solo le colonne di dati accettate dal modello come input. Queste colonne sono denominate caratteristiche. In questo scenario, se il modello accetta la taglia dell'imbracatura e stima la taglia degli stivali, la caratteristica è la taglia dell'imbracatura.
Durante il training, la funzione obiettivo deve in genere conoscere sia l'output del modello che la risposta corretta. Questi valori sono noti come etichette. In questo scenario, se il modello prevede la taglia delle calzature, la taglia delle calzature è l'etichetta.
Dunque, per usare un modello sono necessarie solo le caratteristiche, mentre durante il training sono in genere necessarie sia le caratteristiche che le etichette. In questo scenario, durante il training sono necessarie sia la caratteristica"taglia dell'imbracatura" che l'etichetta "taglia degli stivali". Quando si usa il modello nel sito Web, è necessario conoscere solo la caratteristica "taglia dell'imbracatura". Il modello stima quindi la taglia degli stivali da usare.
Il training è stato completato. Operazioni successive
Una volta completato il training di un modello, questo può essere salvato in un file a sé. Non sono più necessari i dati originali, la funzione obiettivo o dello strumento di ottimizzazione del modello. Quando si vuole usare il modello, è possibile caricarlo dal disco, fornirgli nuovi dati e ottenere una previsione.
Nell'esercizio successivo si proverà a salvare un modello, caricarlo dal disco e usarlo come si farebbe nel mondo reale. Per completare lo scenario del negozio online, ci si eserciterà anche a usare gli output del modello per avvisare i clienti se sembra che stiano acquistando stivali per cani della taglia sbagliata.