재학습 없이 모델 어댑터 업그레이드

Code Repositories에서 학습한 모델은 게시한 가중치를 유지하면서 어댑터와 Python 환경을 새 버전으로 바꿀 수 있습니다. 어댑터의 버그를 수정하거나 load, api, predict, run_inference를 갱신하거나 취약점이 있는 의존성을 교체할 때 사용합니다. 이 기능의 적용 범위는 Code Repositories에서 학습한 모델입니다.

호환 조건

새 Python 의존성은 기존 모델 산출물을 읽고 실행할 수 있어야 합니다. 변경한 load, api, predict 및 run_inference도 기존 산출물과 호환되어야 합니다. 어댑터의 Python 모듈 위치와 클래스 이름은 이전과 같아야 합니다.

어댑터 변경은 추론 환경을 깨뜨릴 수 있으므로 새 브랜치에서 먼저 시험하는 것이 권장됩니다. API를 바꾸면 모델 함수와 소비자도 함께 갱신해야 합니다.

업그레이드 순서

어댑터를 정의한 저장소에서 변경 사항을 구현하고 게시합니다. Model Training 템플릿은 커밋마다, Model Adapter 템플릿은 새 태그를 만들 때 게시합니다.

모델 앱의 Inference Configuration 카드에서 Upgrade model adapter를 선택합니다.

최신 커밋 또는 태그의 어댑터를 확인하고 Create model version을 선택합니다. 기존에 게시한 산출물과 갱신한 어댑터를 조합한 새 모델 버전이 생성됩니다.

이전 버전을 Modeling Objective에 제출했더라도 새 버전은 자동 제출되지 않습니다. 사용할 목표에 새 모델 버전을 다시 제출합니다.