Fordel trafik mellem modelversioner
Send en procentdel af forespørgslerne til en udfordrermodel.
Fordel trafik mellem modelversioner er en gratis MLOps Academy-lektion på CoddyKit. Dette er lektion 1 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i MLOps Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. MLOps Academy-kurset indeholder 4 lektioner i alt.
To modeller, én test i drift
Du har en ny model, som du mener er bedre. I stedet for at gætte lader du den virkelige trafik afgøre det. En A/B-test kører begge modeller side om side på brugere i drift. 🔬
Den førende model og udfordreren
Den aktuelle model i produktion er din førende model. Den nye kandidat, du vil bevise værdien af, er udfordreren. Testen viser, om udfordreren faktisk slår den førende model.
Fordel trafikken
Grundideen er enkel: Send en del af forespørgslerne til hver model. Et almindeligt udgangspunkt er 90/10, så de fleste brugere forbliver sikkert på den førende model, mens udfordreren beviser sig selv.
En lille router
En enkel opdeling trækker blot et tilfældigt tal pr. forespørgsel og dirigerer ud fra en grænse. Her når ti procent af trafikken udfordreren.
import random
def pick_model(challenger_share=0.1):
return "challenger" if random.random() < challenger_share else "champion"Hold hver bruger på samme model
Tilfældighed pr. forespørgsel skifter en bruger mellem modeller ved hvert besøg. Hash bruger-id'et i stedet, så den samme person altid ender på den samme model.
Hashing til faste opdelinger
Hashing af bruger-id'et giver en stabil bucket. Det samme id knyttes til den samme model hver gang, hvilket holder testen ren.
import hashlib
def bucket(user_id, challenger_share=0.1):
h = int(hashlib.md5(user_id.encode()).hexdigest(), 16)
return "challenger" if (h % 100) < challenger_share * 100 else "champion"Log, hvilken model der leverede svaret
Registrér for hver forudsigelse, hvilken model der håndterede den. Uden denne tildelingslog kan du aldrig sammenligne de to grupper retfærdigt senere. 📝
Start småt, og øg derefter
Begynd med en lille andel til udfordreren for at begrænse risikoen. Efterhånden som tilliden vokser, øger du procentdelen gradvist i stedet for at skifte alle over på én gang.
Styr opdelingen med konfiguration
Hvis andelen er skrevet direkte i koden, kræver det en ny udrulning at ændre den. Læs opdelingsforholdet fra konfigurationen, så du kan skrue trafikken op eller ned uden at levere ny kode.
Samme input, fair sammenligning
Begge modeller skal se samme slags forespørgsler og de samme egenskaber. Hvis grupperne er forskellige med hensyn til, hvem de betjener, kan den vinder, du finder, være en illusion.
Det er bare routing
I sin kerne er en A/B-test et routing-lag plus omhyggelig logning. Sørg for, at opdelingen er fast og registreret, så har du grundlaget for en pålidelig sammenligning. ✅
Hurtigt tjek
Lad os tjekke, hvordan du holder din opdeling ren.
Opsummering
En A/B-test stiller en champion over for en udfordrer ved at opdele live-trafik. Hash brugere for at få faste grupper, log hver tildeling, og begynd i det små. 🎯
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Fordel trafik mellem modelversioner” gratis?
Ja — hele teksten til “Fordel trafik mellem modelversioner” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af MLOps Academy-kurset, skal du opgradere til CoddyKit PRO. MLOps Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Fordel trafik mellem modelversioner”?
Send en procentdel af forespørgslerne til en udfordrermodel. Du øver dig i MLOps Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på MLOps Academy?
Der kræves ingen tidligere erfaring. MLOps Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 4.
Hvor lang tid tager lektionen “Fordel trafik mellem modelversioner”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne MLOps Academy-lektion?
Ja. Alle MLOps Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Fordel trafik mellem modelversioner
- Vælg de metrikker, der betyder noget
- Forstå signifikans uden at narre Dem selv
- Promovér eller rul vinderen tilbage