0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

ML规模复杂的相关基础架构

Tensorflowers 来源:TensorFlow 作者:TensorFlow 2021-10-21 14:07 次阅读

Waze 是世界上最大的基于社区的交通和导航应用。该应用借助实时数据来帮助用户避开路上的障碍,享受无忧旅途。除了移动导航功能,Waze 还提供网络平台、拼车、合作服务、广告投放等功能。如此广泛的服务组合带来了多种技术挑战和丰富案例。

Waze 的 ML 应用

Waze 依赖许多 ML 解决方案,其中包括:

预测 ETA

匹配乘客和司机(拼车)

推送适当的广告

但是,要把这些事情做好并达到“生产级别”并不是那么容易。这类项目通常需要复杂的相关基础架构,以便将其投入生产,因此需要多位工程师(数据科学家、软件工程师和软件可靠性工程师)一起投入大量时间。如果将大规模数据、低延迟(实际上为实时)推理、多样性案例和大量地理空间数据等 Waze 的特殊要求结合在一起,则难度更甚。

复杂的相关基础架构

https://papers.nips.cc/paper/5656-hidden-technical-debt-in-machine-learning-systems.pdf

上述理由很好地解释了,为什么不经周密安排就开始在 Waze 中实施 ML 会造成混乱局面。对我们来说,这表现为:

使用多个 ML 框架——你能想到的都有(sklearn、XGBoost、TensorFlow、fbprophet、Java PMML、人工设定的框架等等)

ML 和运算脱节——模型和特征工程被工程师嵌入 (Java) 后端服务器,监控和验证能力有限

培训、验证和部署使用半手动操作

从想法到投入生产的开发周期异常漫长

总的来说,数据科学家最终把大量的时间耗费在运算和监控上,而不能专注于实际的建模和数据处理。

业务发展到一定程度时,我们决定整改这混乱的局面,在自动化和流程方面投资,以便能够更快地扩大业务规模。我们决定采用全周期数据科学理念,重点投资能够大幅提高速度和质量的方法。这意味着,在我们想要建立的这个新方法中,只需一个数据科学家就能完成从研究到生产级服务的产品周期。

在新方法中,数据科学家可以直接为生产做出贡献,发挥自己最大优势。他们可专注于建模和数据处理,获得许多基础架构和开箱即用的运算。虽然上述愿景还没有完全实现,但我们觉得本文所阐述的内容对实现最终目的来说至关重要。

Waze 的 ML 堆栈

为将上述理念转化为技术规范,我们决心创建一个简单、稳定、自动化和统一的方法来构建 Waze 的 ML 流水线。

深入研究技术要求后,我们得出了以下评判标准:

简单——易于理解、使用和操作

可托管——没有服务器,没有硬件,只有代码

可自定义——免费获得简单的东西,但也有足够的灵活性,可以为 5% 需要跳出局限的东西而激发奇思妙想

可扩容——自动可扩容的数据处理、训练、推理

利用 Python——我们需要一些已经可以投入生产的工具,可以兼容当今大多数工具和代码,并且适合一般的数据科学家。现在除了 Python,几乎没有其他选择

基于上述原因,我们选择 TFX 及其内置组件来提供这些功能,大部分是开箱即用的。

TFX

https://tensorflow.google.cn/tfx

值得一提的是,Waze 是在 Google Cloud Platform (GCP) 上运行其技术栈。

GCP 恰好可提供一套名为 Vertex AI 的工具。Waze 就是在此 ML 基础架构平台上构建的。虽然我们使用了 Vertex AI 托管式服务的许多组件,但我们将在本文中重点介绍 Vertex Pipelines,这是 ML 流水线的一个框架,能够帮助我们封装 TFX(或任何流水线)的复杂性和设置。

Vertex Pipelines

https://cloud.google.com/vertex-ai/docs/pipelines

连同我们的数据技术栈,Waze 的整体 ML 架构(均符合可托管、可扩容,且利用 Python 等标准)如下:

细心的读者会在这里注意到所谓的警告:我们所有流程都通过 TensorFlow 进行。

TFX 指的是 TensorFlow(尽管这种说法已经不再完全准确了,但我们假设它是这个意思)。

已经不再完全准确了

https://github.com/tensorflow/tfx/blob/master/tfx/examples/penguin/experimental/penguin_utils_sklearn.py

当你处理许多不同的案例时,这些警告一开始可能看起来会有点吓人。

幸运的是,TF 生态系统很丰富,而且 Waze 的优点是有规模足够大的数据,神经网络会收敛。

自从开始这项工作以来,我们还没有发现在哪个案例中, TF 不能像其他框架那样更好地或充分地解决问题(在这里不讨论微观的百分点,不进行 Kaggle 比赛,而是想得到一些能够投入生产的东西)。

Waze TFX

您可能认为选择 TFX 和 Vertex 流水线已解决我们所有的问题,但这并不完全正确。

为了让这项工作真正变得简单,我们不得不写一些“胶水代码”(整合上述架构图中的各种产品),并提取足够的细节,以便普通的数据科学家能够有效和快速地使用这些东西。

这能带来以下好处:

可以淘汰样板文件

可隐藏所有通用的 TFX 组件,这让数据科学家可以只专注于特征工程和建模,并免费获得整个流水线

可生成基于 BigQuery 的训练/评估分块

可提供预先实现的可选通用特征转换(例如,扩容、归一化、插补)

可提供预先实现的 Keras 模型(例如 DNN/RNN 模型。其类似 TF Estimator,但在具有 TFX 特征的 Keras 中)

效用函数(例如,TF 列的准备)

tf.transform 特征工程代码的单元测试框架

使用安装了所有 TFX 软件包的云运行实例,从 Airflow 中协调和调度流水线运行(无需在 Airflow Composer 上安装)

我们已经将其全部放入一个易于使用的 Python 软件包中,称为 “wze-data-tfx”。

在上文中,我们为数据科学家提供了一个超级详细的演示、使用指南和代码模板,所以常见的 DS 工作流是:创建分支,改变配置,稍微调整一下代码,部署。

作为参考,这里提供了一个简单的 waze-data-tfx 流水线:

1.配置

_DATASET_NAME = 'tfx_examples'
_TABLE_NAME = 'simple_template_data'

_LABEL_KEY = 'label'
_CATEGORICAL_INT_FEATURES = {
  "categorical_calculated": 2,
}
_DENSE_FLOAT_FEATURE_KEYS = ["numeric_feature1", "numeric_feature2"]
_BUCKET_FEATURES = {
  "numeric_feature1": 5,
}
_VOCAB_FEATURES = {
  "categorical_feature": {
      'top_k': 5,
      'num_oov_buckets': 3
  }
}

_TRAIN_BATCH_SIZE = 128
_EVAL_BATCH_SIZE = 128
_NUM_EPOCHS = 250

_TRAINING_ARGS = {
  'dnn_hidden_units': [6, 3],
  'optimizer': tf.keras.optimizers.Adam,
  'optimizer_kwargs': {
      'learning_rate': 0.01
  },
  'layer_activation': None,
  'metrics': ["Accuracy"]
}

_EVAL_METRIC_SPEC = create_metric_spec([
  mse_metric(upper_bound=25, absolute_change=1),
  accuracy_metric()
])

2.特征工程

def preprocessing_fn(inputs):
  """tf.transform's callback function for preprocessing inputs.

  Args:
      inputs: map from feature keys to raw not-yet-transformedfeatures.

  Returns:
      Map from string feature key to transformed feature operations.
  """
  outputs = features_transform(
      inputs=inputs,
      label_key=_LABEL_KEY,
      dense_features=_DENSE_FLOAT_FEATURE_KEYS,
      vocab_features=_VOCAB_FEATURES,
      bucket_features=_BUCKET_FEATURES,
  )
  return outputs

3.建模

def _build_keras_model(**training_args):
   """Build a keras model.

   Args:
       hidden_units: [int], the layer sizes of the DNN (input layer first).
       learning_rate: [float], learning rate of the Adam optimizer.

   Returns:
       A keras model
   """
   feature_columns = 
       prepare_feature_columns(
           dense_features=_DENSE_FLOAT_FEATURE_KEYS,
           vocab_features=_VOCAB_FEATURES,
           bucket_features=_BUCKET_FEATURES,
       )

   return _dnn_regressor(deep_columns=list(feature_columns.values()),
                         dnn_hidden_units=training_args.get(
                             "dnn_hidden_units"),
                         dense_features=_DENSE_FLOAT_FEATURE_KEYS,
                         vocab_features=_VOCAB_FEATURES,
                         bucket_features=_BUCKET_FEATURES,
                         )

4.协调

pipeline_run = WazeTFXPipelineOperator(
   dag=dag,
   task_id='pipeline_run',
   model_name='basic_pipeline_template',
   package=tfx_pipeline_basic,
   pipeline_project_id=EnvConfig.get_value('gcp-project-infra'),
   table_project_id=EnvConfig.get_value('gcp-project-infra'),
   project_utils_filename='utils.py',
   gcp_conn_id=gcp_conn_id,
   enable_pusher=True,
)

很简单,对不对?

配置文件提交到代码库后,系统就会对其进行部署并设置持续训练以及一个完整的流水线,包括所有 TFX 和 Vertex AI 方法,如数据验证、部署到 Dataflow 的转换、监控等。

总结

当我们的一位数据科学家休完长假回来,不得不使用这个新的框架来处理一个案例时,我们知道本项研究取得了不错的结果。据她所说,她能够在几个小时内启动一个可投入生产的完整流水线,而在她休假之前,她需要花几周的时间才能做到这一点。

展望未来,我们计划在 waze-data-tfx 中融入更多内容。我们认为,拥有此通用基础架构的一个关键优势是:添加一个特征后,所有人都可以“免费”使用该特征。例如,我们计划在流水线中添加额外的组件,如 Infra Validator 和 Fairness Indicators。当这些组件得到支持后,每个新的或现有的 ML 流水线将以开箱即用的方式添加这些组件,无需额外的代码。

我们正在计划有关部署的其他改进工作。希望在保证部署质量的同时,尽可能地实现自动化。

我们目前正在探索的一种方式是使用 Canary 部署。数据科学家只需要配置一个评估指标,框架(使用 Vertex Prediction 数据流量分块功能和其他持续评估方法)将在生产环境中测试新模型,并根据评估指标逐步部署或回滚。


责任编辑:haq

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 模型
    +关注

    关注

    1

    文章

    3238

    浏览量

    48824
  • 代码
    +关注

    关注

    30

    文章

    4786

    浏览量

    68563

原文标题:了解 Waze 如何利用 TFX 扩大可以投入生产的 ML 规模

文章出处:【微信号:tensorflowers,微信公众号:Tensorflowers】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    Silicon Labs携手Eta Compute简化边缘ML开发

    Silicon Labs(芯科科技)与 Eta Compute近期共同宣布建立合作伙伴关系,将支持产品开发人员将机器学习(ML)高级功能无缝集成到其边缘ML嵌入式产品中,以添加多样应用价值。
    的头像 发表于 12-12 10:26 141次阅读

    ML307A 4G模组硬件设计手册

    基于ML307A  4G模组的硬件设计指导手册
    发表于 10-24 16:50 6次下载

    架构与设计 常见微服务分层架构的区别和落地实践

    前言 从强调内外隔离的六边形架构,逐渐发展衍生出的层层递进、注重领域模型的洋葱架构,再到和DDD完美契合的整洁架构架构风格的不断演进,其实就是为了适应软件需求越来越
    的头像 发表于 10-22 15:34 229次阅读
    <b class='flag-5'>架构</b>与设计 常见微服务分层<b class='flag-5'>架构</b>的区别和落地实践

    RISC-­V架构的目标和特点

    一套指令集支持所有架构。基本指令子集仅40余条指令,以此为共有 基础,加上其他常用模块子集指令总指令数也仅几十条 易实现性 硬件实现的复杂度高 硬件设计与编译器实现非常简单仅支持小端格式存储器访问指令
    发表于 08-23 00:42

    ML-01-SC 手册

    ML-01-SC 高频混频器 用于将高频信号转换为低频信号或从低频信号转换为高频信号,适用于各种高频通信和信号处理应用的
    发表于 08-02 09:29 1次下载

    CISC(复杂指令集)与RISC(精简指令集)的区别  

    。这种架构会增加CPU结构的复杂性和对CPU工艺的要求,但对于编译器的开发十分有利。比如上面的例子,C程序 中的a*=b就可以直接编译为一条乘法指令。   RISC架构要求软件来指定各个操作步骤。上面
    发表于 07-30 17:21

    软件架构搞好了,还用担心代码可读性差?

    :硬件多样性:嵌入式系统常常面临不同硬件平台和设备的多样性,需要一个灵活的软件架构来适应这些差异。软件复杂性:随着嵌入式系统功能的不断增加,软件规模复杂度也在增加
    的头像 发表于 06-14 08:10 271次阅读
    软件<b class='flag-5'>架构</b>搞好了,还用担心代码可读性差?

    RISC-­V架构的特点

    RISC-­V架构的特点 RISC-V架构RISC-V 架构是基于 精简指令集计算(RISC)原理建立的开放 指令集架构(ISA),RISC-V是在指令集不断发展和成熟的基础上建立的全
    发表于 05-24 08:01

    手机QQ首个基于NT架构的正式版发布

    早在 2020 年,QQ 开发团队便启动了这项重大的架构升级工程。面对业务复杂和代码体积庞大的挑战,他们采取了分阶段、渐进式的策略来推动架构升级。
    的头像 发表于 05-16 16:19 913次阅读

    使用 Renesas RA8M1 MCU 快速地部署强大高效的 AI 和 ML 功能

    新的工作负载会增加功耗,尽管要求设计人员尽量降低功耗并加快产品上市时间。 设计人员需要一个计算选项,既能保持 MCU 的效率,又能增加专为低功耗应用定制的高性能功能。这一选项还应保留与传统 MCU 相关的简单部署模式,同时增加足够的功能,以支持 AI 和 ML 带来的
    的头像 发表于 05-05 10:14 616次阅读
    使用 Renesas RA8M1 MCU 快速地部署强大高效的 AI 和 <b class='flag-5'>ML</b> 功能

    基于 Renesas 的 RA8M1 实现 AI 和 ML 部署

    新的工作负载会增加功耗,尽管要求设计人员尽量降低功耗并加快产品上市时间。 设计人员需要一个计算选项,既能保持 MCU 的效率,又能增加专为低功耗应用定制的高性能功能。这一选项还应保留与传统 MCU 相关的简单部署模式,同时增加足够的功能,以支持 AI 和 ML 带来的
    的头像 发表于 04-23 15:04 1222次阅读
    基于 Renesas 的 RA8M1 实现 AI 和 <b class='flag-5'>ML</b> 部署

    Alif Semiconductor宣布推出先进的BLE和Matter无线微控制器,搭载适用于AI/ML工作负载的神经网络协同处理器

    全新Balletto™系列无线MCU基于Alif Semiconductor先进的MCU架构,该架构具有DSP加速和专用NPU,可快速且低功耗地执行AI/ML工作负载   中国,北京 -2024 年
    发表于 04-18 17:51 672次阅读
    Alif Semiconductor宣布推出先进的BLE和Matter无线微控制器,搭载适用于AI/<b class='flag-5'>ML</b>工作负载的神经网络协同处理器

    机器学习(ML)推理主要计算之存内计算芯片

    机器学习(ML)应用已经在汽车、医疗保健、金融和技术等各个领域变得无处不在。这导致对高性能、高能效 ML 硬件解决方案的需求不断增加。
    发表于 04-07 10:48 1184次阅读
    机器学习(<b class='flag-5'>ML</b>)推理主要计算之存内计算芯片

    用于电池供电设计中AI/ML推理的MCU方法

    人工智能(AI)作为讨论的关键话题的出现可能是由于OpenAI等大规模AI引擎及其生成式预训练转换器(GPT)语言模型架构的能力不断增强。
    的头像 发表于 03-17 10:52 2909次阅读

    深入探讨工业AI/ML技术的发展趋势及相关解决方案

    芯科科技已经创建了一套完整的硬件和软件解决方案,可支持开发用于工业市场的工业AI/ML解决方案。具体来说,我们的Sub-GHz、蓝牙和802.15.4产品内置了硬件加速功能,可优化边缘的AI/ML处理,帮助主内核的处理资源分担处理任务,同时降低能耗。
    的头像 发表于 01-29 09:42 486次阅读