面向网络 AIOps 的已部署深度学习模型质量监控与评估
人工智能
2022-03-01 v1 网络与互联网体系结构
摘要
人工智能(AI)近来备受关注,正从研究实验室走向众多领域中的广泛成功部署,对于深度学习(DL)技术而言尤为如此。归根结底,DL 模型作为软件制品,需要定期维护与更新:AIOps 是将 DevOps 软件开发实践逻辑延伸至应用于网络运维管理的 AI 软件。在 DL 模型部署的生命周期中,评估已部署模型的质量、检测“陈旧”模型并优先更新至关重要。本文在网络管理背景下探讨该问题,提出了简洁而有效的技术,用于(i)单个推理的质量评估,以及(ii)跨多次推理的整体模型质量跟踪,并将这些技术应用于代表网络管理与图像识别领域的两个用例。
引用
@article{arxiv.2202.13642,
title = {Quality Monitoring and Assessment of Deployed Deep Learning Models for Network AIOps},
author = {Lixuan Yang and Dario Rossi},
journal= {arXiv preprint arXiv:2202.13642},
year = {2022}
}