استنتاج استاتیک در مقابل پویا: درک خود را بررسی کنید

استنتاج ثابت (آفلاین).

گزینه های زیر را بررسی کنید.

در استنتاج آفلاین، ما روی دسته بزرگی از داده‌ها به یکباره پیش‌بینی می‌کنیم. سپس آن پیش‌بینی‌ها را در یک جدول جستجو برای استفاده بعدی قرار می‌دهیم. کدام یک از موارد زیر در مورد استنتاج آفلاین صادق است؟
ما باید برای همه ورودی های ممکن پیش بینی ایجاد کنیم.
بله، برای استفاده از استنتاج آفلاین باید برای همه ورودی‌های ممکن پیش‌بینی کنیم و آنها را در یک کش یا جدول جستجو ذخیره کنیم. این یکی از اشکالات استنتاج آفلاین است. ما فقط می‌توانیم برای نمونه‌هایی که قبلاً درباره آن‌ها می‌دانیم، پیش‌بینی کنیم. اگر مجموعه چیزهایی که ما پیش‌بینی می‌کنیم محدود باشد، مانند همه شهرهای جهان یا همه موارد موجود در جدول پایگاه داده، خوب است. اما برای ورودی‌های آزاد مانند درخواست‌های کاربر که دنباله‌ای طولانی از موارد غیرمعمول یا کمیاب دارند، نمی‌توانیم پوشش کاملی را با یک سیستم استنتاج آفلاین ارائه کنیم.
پس از ایجاد پیش‌بینی‌ها، می‌توانیم قبل از اعمال آن‌ها را تأیید کنیم.
این در واقع یک چیز مفید در مورد استنتاج آفلاین است. ما می‌توانیم همه پیش‌بینی‌های خود را قبل از استفاده، بررسی و تأیید کنیم.
برای یک ورودی داده شده، می‌توانیم یک پیش‌بینی را سریع‌تر از استنتاج آنلاین انجام دهیم.
یکی از نکات مهم در مورد استنتاج آفلاین این است که وقتی پیش‌بینی‌ها در جدول جستجو نوشته شدند، می‌توان با کمترین تأخیر ارائه کرد. نیازی به محاسبه ویژگی یا استنتاج مدل در زمان درخواست نیست.
ما باید سیگنال های ورودی خود را در مدت زمان طولانی به دقت نظارت کنیم.
این تنها موردی است که در آن واقعاً نیازی به نظارت بر سیگنال های ورودی در مدت زمان طولانی نداریم. این به این دلیل است که وقتی پیش‌بینی‌ها در جدول جستجو نوشته شدند، دیگر به ویژگی‌های ورودی وابسته نیستیم. توجه داشته باشید که هر به‌روزرسانی بعدی مدل به دور جدیدی از تأیید ورودی نیاز دارد.
ما قادر خواهیم بود به سرعت به تغییرات جهان واکنش نشان دهیم.
نه، این یک اشکال استنتاج آفلاین است. ما باید منتظر بمانیم تا مجموعه جدیدی از پیش‌بینی‌ها در جدول جستجو نوشته شود تا بتوانیم بر اساس هر تغییری در جهان پاسخ متفاوتی بدهیم.

استنتاج پویا (آنلاین).

گزینه های زیر را بررسی کنید.

استنتاج پویا (آنلاین) به معنای پیش بینی در صورت تقاضا است. یعنی در استنتاج آنلاین، مدل آموزش دیده را روی سرور قرار می دهیم و در صورت نیاز درخواست استنتاج صادر می کنیم. کدام یک از موارد زیر در مورد استنتاج پویا صادق است؟
شما می توانید برای همه موارد ممکن پیش بینی ارائه دهید.
بله، این نقطه قوت استنتاج آنلاین است. به هر درخواستی که وارد شود امتیاز داده می شود. استنتاج آنلاین توزیع های دم بلند (آنهایی که آیتم های کمیاب زیادی دارند)، مانند فضای تمام جملات ممکن نوشته شده در نقدهای فیلم را مدیریت می کند.
می‌توانید پیش‌بینی‌ها را قبل از استفاده، پس از تأیید انجام دهید.
به طور کلی، نمی‌توان تمام پیش‌بینی‌ها را قبل از استفاده پس از تأیید انجام داد، زیرا پیش‌بینی‌ها براساس تقاضا انجام می‌شوند. با این حال، می‌توانید کیفیت‌های پیش‌بینی کل را به‌طور بالقوه زیر نظر داشته باشید تا سطحی از بررسی سلامت عقل را ارائه دهید، اما اینها فقط پس از گسترش آتش، هشدارهای آتش را نشان می‌دهند.
شما باید سیگنال های ورودی را به دقت کنترل کنید.
آره. سیگنال‌ها ممکن است به‌دلیل مشکلات بالادستی ناگهان تغییر کنند و به پیش‌بینی‌های ما آسیب بزنند.
هنگام انجام استنتاج آنلاین، لازم نیست نگران تأخیر پیش‌بینی (زمان تأخیر برای بازگشت پیش‌بینی‌ها) مانند هنگام انجام استنتاج آفلاین باشید.
تأخیر پیش بینی اغلب یک نگرانی واقعی در استنتاج آنلاین است. متأسفانه، لزوماً نمی‌توانید مشکلات تأخیر پیش‌بینی را با افزودن سرورهای استنتاج بیشتر برطرف کنید.