モデルにおけるCI/CDとは

CI/CDとは、コードを書いてからリリースするまでの手順を自動化することです。自分で手作業をする代わりに、マシンがコードをチェックしてデプロイします。🚀

Continuous Integrationでは、コードを push するたびにテストが自動的に実行されます。数日後に修正するのが大変な状態になる前に、問題を早期に発見できます。

Continuous Deliveryでは、CIを通過したコードを自動的に準備または本番環境へリリースするため、リリースが不安を伴う手作業のイベントではなくなります。

従来のCI/CDではコードをリリースします。MLパイプラインでは、学習済みのモデルと、そのモデルが学習したデータもリリースするため、追跡すべき変動要素が1つではなく3つになります。

アプリのテストではロジックを確認します。MLのCIではさらにモデルの品質も確認し、コードがクラッシュせずに実行できたかだけでなく、精度が維持されているかも確認します。

コードのビルドは数秒で終わります。一方、モデルの学習には数分から数時間かかることがあります。そのため、MLパイプラインではCIで小さなサンプルを使い、リリース時だけ全データで学習することがよくあります。

モデルを正確に再構築するには、モデルのコード、データのバージョン、環境を固定する必要があります。MLのCI/CDでは、この3つの固定を自動化します。

アプリのCI/CDでは、出力はバイナリです。MLで重要なartifactは学習済みモデルファイルであり、これをバージョン管理して保存し、後でデプロイします。

MLのpipelineでは、コードのlint、テストの実行、学習、評価という明確なステージを連結し、その後でデプロイ可能なイメージをビルドします。

triggerは、パイプラインを実行するタイミングを決めます。たとえば、pushごと、pull requestごと、タグ付きリリースごとに実行できます。これらのルールを一度設定すれば、もうクリックする必要はありません。

CI/CDがなければ、誰かがスクリプトの実行を思い出したときだけモデルが本番稼働します。CI/CDがあれば、変更のたびにテストされ、毎回同じ安全な方法でリリースされます。

CIはすべての変更をテストし、CDはそれをリリースします。MLではさらに、追跡対象の成果物としてモデルとそのデータを加えます。トリガーとステージ化されたパイプラインにより、リリースを安全かつ再現可能にできます。