This document discusses using deep learning and voluntary sexual histories to classify electrodermal images. Researchers in Hong Kong and India used a deep learning model and voluntary sexual histories to classify electrodermal images with recent sexual activities. The model was able to accurately classify images as having recent sexual content using only electrodermal features and voluntary sexual histories.
7. Trade-Off and Alternatives
Triggers for retraining
パフォーマンスの低下を検知したらすぐにモデルの再トレーニングを⾏うかどうかについては、それにかかるコストに対してどの程度
のパフォーマンス低下を許容できるかをトレードオフとして考慮の上検討する
Serverless triggers
Google Cloud Function、AWS Lambda、Azure Functionsではサーバレスに
トリガーに対して再トレーニングを⾃動化することが可能
トリガーの閾値の設定には再トレーニングのコスト、複数バージョンのモデル維持のオー
バーヘッドの発⽣が関与する
Performance
Time
Retrain Retrain
Threshold
Performance
Time
Retrain Retrain Retrain Retrain
Threshold
Scheduled retraining
通常、継続的なモデル評価が毎⽇⾏われる場合、スケジュールされた再トレーニングは1週間または1ヶ⽉ごと⾏う、という形をとる
新たなモデルは前のモデルよりも優れた性能を発揮した場合にのみ、代替モデルとして導⼊されるようにする
実際には再トレーニングの頻度はユースケース、データの蓄積速度、コストによって異なる
8. Trade-Off and Alternatives
Data validation with TFX
継続的な評価は事後的有効性があるが、運⽤中に受信した新しいデータを監視し、データ分布の変化を先取りして特定す
るというアプローチも存在する
TensorFlow Extended(TFX)プラットフォームでは、学習データと運⽤中に⼊⼒されたデータを⽐較することが可能であり、
データドリフトを検出することが可能
Estimating retraining interval
古いデータを利⽤して学習したモデルのパフォーマンスを新しい
データで評価して、パフォーマンスの低下を確認し、再トレーニング
の頻度を推定する
Stale data Current data
Model trained
on stale data
Model trained
on stale data
Evaluation on
stale data
Evaluation on
current data
Compare evaluation metrics
-6 Month