nghèo

Khi nghe đến từ nghèo, nhiều kỹ sư phần mềm có thể nghĩ ngay đến vấn đề xã hội, nhưng trong thực tế sản xuất, khái niệm này xuất hiện dưới dạng nghèo dữ liệu, nghèo bộ nhớ, nghèo băng thông và nghèo tính năng. Chúng tôi đã gặp những hệ thống phải hoạt động trên thiết bị có 512MB RAM, hoặc huấn luyện mô hình phân loại với chưa đến 100 mẫu dán nhãn. Đó là những bài toán nghèo thực sự mà kỹ thuật phải đối mặt.

Nghèo tài nguyên không phải là lời nguyền - đó là một bài toán ràng buộc mà kiến trúc phần mềm tốt có thể giải quyết. Thay vì than phiền về giới hạn, các kỹ sư giỏi coi nghèo như một đặc tả hệ thống: buộc phải cắt giảm, ưu tiên, và tìm ra giải pháp sáng tạo. Bài viết này phân tích các khía cạnh kỹ thuật của nghèo trong phát triển phần mềm, học máy và hạ tầng, cùng những chiến lược thực tế đã được chứng minh trong môi trường production.

Từ học với ít dữ liệu đến kiến trúc edge computing, nghèo không còn là trở ngại mà trở thành một lớp bài toán thiết kế riêng. Chúng ta sẽ xem xét cách các công nghệ hiện đại - TensorFlow Lite, CoAP, service worker - giải quyết tình trạng thiếu hụt tài nguyên một cách có hệ thống.

Nghèo dữ liệu tác động thế nào đến mô hình học máy

Trong một dự án phân loại ảnh y tế cho phòng khám nhỏ, chúng tôi chỉ có 147 mẫu X-quang được gán nhãn. Mô hình ResNet-50 ban đầu đạt độ chính xác 0. 94 trên tập huấn luyện nhưng tụt xuống 0. 61 trên tập kiểm tra. Đây là biểu hiện kinh điển của nghèo dữ liệu: mô hình học thuộc lòng nhiễu và chi tiết không tổng quát, thay vì học được đặc trưng bệnh lý thực sự. Nghèo dữ