机器学习模型会随着时间的推移而退化，因此，重要的是要建立系统来指示模型何 您的模型服务器应 时变得不那么准确或开始出现偏差和其他意外行为。 性能、使用情况和其他自定义指标，以供可视化和实时监控工具使用。一些模型服务器开始提供高级功能，包括异常检测和警报。甚至有初创公司（超级智慧， 阿里泽) 专注于使用“机器学习来监控机器学习”。虽然这些目前是独立于模型服务器且需要与模型服务器集成的专用工具，但一些模型服务器很可能会在它们的产品中构建高级监控和可观察性功能。
与模型管理工具集成
随着您将更多模型部署到生产中，您的模型服务器将需要 手机号码数据 与您的模型管理工具集成。这些工具有许多标签——访问控制、模型目录、模型注册表、模型治理仪表板——但本质上，它们为您提供了过去和当前模型的 360 度视图。
由于需要定期检查模型
因此模型服务器应与用于审核和重现模型的服务 实现无接触、无现金化 进行交互。 模型版本控制 现在是标准配置，并且随我们检查的大多数模型服务器提供。Datatron 有一个模型治理仪表板，可提供用于审核表现不佳的模型的工具。许多模型服务器都有 数据沿袭 服务，可记录 得帮 邮寄线索 助并快 请求的发送时间以及模型的输入和输出。调试和审核模型还需要对其关键驱动因素有深入的了解。Seldon Deploy 集成了 开源工具 用于模型检查和可解释性。