軟件定義汽車 ( SDV ) 是指汽車設(shè)計(jì)的一種新范式，其中車輛的功能和特性主要由軟件而不是傳統(tǒng)的硬件組件定義和控制。

在 SDV 中，軟件更新可以動(dòng)態(tài)改變和增強(qiáng)車輛功能，從而形成更加靈活、適應(yīng)性更強(qiáng)的汽車生態(tài)系統(tǒng)。

軟件定義汽車中的 MLOP

MLOps(機(jī)器學(xué)習(xí)操作)涵蓋旨在簡化和自動(dòng)化生產(chǎn)環(huán)境中機(jī)器學(xué)習(xí)模型整個(gè)生命周期的管理和部署的實(shí)踐、工具和方法。

與 SDV 的相關(guān)性

SDV 嚴(yán)重依賴 ML 模型來執(zhí)行關(guān)鍵功能，例如自動(dòng)駕駛、預(yù)測性維護(hù)、用戶個(gè)性化等。

這些模型的有效管理不僅重要，而且對于維持 SDV 的車輛性能、安全性和可靠性至關(guān)重要。

MLOPs 平臺、不同方法以及如何實(shí)現(xiàn)?

我們將研究 ML 平臺的范圍、構(gòu)建平臺的方法以及如何使用討論的方法之一來構(gòu)建平臺。

MLOPs 平臺

一個(gè)整體的軟件平臺，可提高運(yùn)輸、監(jiān)控和管理 ML 模型生命周期的生產(chǎn)力和可擴(kuò)展性，從而促進(jìn) SDV 內(nèi)的功能。

集中式與分散式

MLOP 平臺可以集中化，在一個(gè)中心位置管理所有有助于促進(jìn)功能的 ML 模型。

它還可以由各個(gè)功能團(tuán)隊(duì)進(jìn)行分離和構(gòu)建，并縮小管理范圍，僅管理與該功能相關(guān)的模型。

我們將深入研究用于管理 ML 模型的集中式 ML 平臺以及構(gòu)建該平臺所需的條件。

為 SDV 構(gòu)建整體 ML 平臺需要什么

我們需要考慮以下組件來構(gòu)建一個(gè)集中式 ML 平臺，有效管理有助于 SDV 內(nèi)的功能的 ML 模型。

數(shù)據(jù)工程

組織傾向于在企業(yè)級建立團(tuán)隊(duì)來幫助管理訓(xùn)練和開發(fā)機(jī)器學(xué)習(xí)模型的數(shù)據(jù)需求。

ML 平臺應(yīng)具有完善的實(shí)用程序來跟蹤訓(xùn)練 ML 模型所需的數(shù)據(jù)沿襲，例如數(shù)據(jù)提取、數(shù)據(jù)轉(zhuǎn)換和用于訓(xùn)練當(dāng)前模型的最終數(shù)據(jù)集。良好跟蹤的數(shù)據(jù)沿襲可以幫助使用該平臺的功能團(tuán)隊(duì)深入了解用于訓(xùn)練模型的數(shù)據(jù)點(diǎn)，從而改進(jìn)模型以有效地幫助該功能。

通常的做法是采用 API 優(yōu)先的方法將企業(yè)級數(shù)據(jù)管理團(tuán)隊(duì)集成到平臺中。

模型開發(fā)

盡管平臺無法控制模型的開發(fā)方式，因?yàn)楣δ軋F(tuán)隊(duì)將負(fù)責(zé)協(xié)調(diào)該方面，但平臺的最佳利益是向功能團(tuán)隊(duì)提供標(biāo)準(zhǔn)化的方法/模板，以收集以下筆記本源跟蹤、訓(xùn)練集 id、驗(yàn)證集 id、測試集 id、預(yù)處理 id、后處理 id、模型 id 和生成的模型版本作為實(shí)驗(yàn)、設(shè)備類型和模型創(chuàng)建 id 的一部分。

該平臺還可以標(biāo)準(zhǔn)化模型開發(fā)時(shí)所需的工件，以便稍后在模型部署期間使用。

從模型開發(fā)的角度收集上述所有信息在模型管理/監(jiān)控階段非常有用。

模型驗(yàn)證/治理

一旦模型開發(fā)完畢、測試完畢并準(zhǔn)備部署到車輛上，MLOPs 平臺應(yīng)該提供一個(gè)接口來驗(yàn)證它，然后才能通過部署所需的框架/實(shí)用程序發(fā)布它。

在將模型部署到車輛之前，適當(dāng)?shù)幕趯徟ぷ髁鞯闹卫砟Ｐ蛯τ趯彶樵撃Ｐ椭陵P(guān)重要。

如果模型在部署前經(jīng)過治理流程，這對 ML 平臺來說非常有利。它還為組織內(nèi)部處理模型建立了標(biāo)準(zhǔn)。

模型部署

這是平臺的核心;這是輪胎與道路接觸的地方。所有上述步驟構(gòu)建并設(shè)置了平臺，使其處于一個(gè)非凡的位置，可以輕松處理模型。

前面步驟中采用的標(biāo)準(zhǔn)化技術(shù)將對所有模型進(jìn)行水平設(shè)置，并有助于減少差異性，同時(shí)開發(fā)服務(wù)將模型納入平臺并使用各種實(shí)用程序和框架將它們部署到車輛上以部署軟件。

該平臺應(yīng)能夠提取、跟蹤和管理已上傳的部署模型，并輕松與車輛部署實(shí)用程序和框架集成。同樣，在這種情況下，API 優(yōu)先方法是首選方法。

模范 OP

一旦模型上傳部署，就可以在對其執(zhí)行操作時(shí)應(yīng)用幾件事。

如果部分上傳導(dǎo)致平臺無法處理模型，平臺應(yīng)該能夠檢測到它們并進(jìn)行相應(yīng)的處理。

如果模型上傳后未能通過驗(yàn)證/治理過程，平臺應(yīng)該能夠處理這個(gè)問題。

模型已上傳并準(zhǔn)備部署。在這種情況下，平臺應(yīng)該能夠評估模型在車輛中運(yùn)行所需的軟件，并根據(jù)軟件準(zhǔn)備情況、版本兼容性和其他此類因素做出相應(yīng)的決策。

如果模型通過了上述所有標(biāo)準(zhǔn)并被部署，則平臺應(yīng)該能夠?qū)⑵湟苿?dòng)到已處理的模型特征，以從模型的部署和未來操作中收集更多見解。

模型監(jiān)控

當(dāng) ML 模型部署到車輛上時(shí)，應(yīng)該特別強(qiáng)調(diào)模型監(jiān)控，因?yàn)檫@對于它們的正常運(yùn)行非常重要。

該平臺應(yīng)開發(fā)實(shí)用程序，幫助計(jì)算使用 ML 平臺部署的每個(gè)模型的數(shù)據(jù)/概念漂移?？梢酝ㄟ^開發(fā)一個(gè)框架來計(jì)算漂移，該框架使用匯總的車輛報(bào)告并定期將其與與模型相關(guān)的閾值分?jǐn)?shù)進(jìn)行比較。

如果不滿足閾值標(biāo)準(zhǔn)，則會(huì)向模型/特征所有者發(fā)送通知。

重新訓(xùn)練/回滾/雜項(xiàng)功能

模型 OP 和監(jiān)控有助于為功能團(tuán)隊(duì)提供儀表板和視圖，以便他們可以就模型再訓(xùn)練、模型回滾以及與在車輛內(nèi)操作模型相關(guān)的其他幾個(gè)功能做出決策。

該平臺應(yīng)該能夠處理可能發(fā)生的各種情況，例如，維護(hù)平臺中的版本數(shù)量，以便能夠在需要時(shí)輕松獲取適當(dāng)?shù)陌姹?如果新部署的版本出現(xiàn)意外的性能損失，則回滾到以前執(zhí)行的模型版本;影子部署關(guān)鍵功能的較新版本;將模型部署到預(yù)定義的車輛子集而不是整個(gè)車隊(duì)。

集中式 MLOP 平臺對 SDV 的優(yōu)勢

從上述方法可以看出，MLOPs平臺通過標(biāo)準(zhǔn)化將模型部署到車輛軟件所需的MLOPs功能，有助于加快價(jià)值實(shí)現(xiàn)時(shí)間，從而提高整體效率。

以下是此方法的優(yōu)點(diǎn)的概述

· 幫助構(gòu)建可重復(fù)使用的工作流程/管道

· 提高功能/產(chǎn)品團(tuán)隊(duì)之間的一致性和生產(chǎn)力

· 為與 ML 模型相關(guān)的所有 ML 相關(guān)功能/操作提供一個(gè)中心位置。

· 降低車輛集成障礙和所需的專業(yè)知識。

構(gòu)建一個(gè)用于管理與軟件定義汽車相關(guān)的 ML 模型的尖端 ML 平臺還有許多其他優(yōu)勢。

本文有助于啟動(dòng)有關(guān) SDV 的思考過程以及模型管理如何對其成功至關(guān)重要。