上文谈到在做一个项目的过程中面临是将新老模型融合优化还是各自平行优化的问题。其实当时在面临这个选择的时候，我们离达到业务指标的截止日期还有一定的时间，这也是我当时支持分开开发的方案的原因之一，其实就是把研究的时间更多的花在前面，一旦新模型能够达到完全替换老模型的目的那老模型就不用再管了，而不是先完成任务上了线然后再花时间去修改，这样再很长一段时间内都还会面临新老模型同时开发和维护的问题。
不过最终由于业务负责人的坚持，我们在业务上还是采用的模型融合的方案，先通过某种策略把新模型嫁接在了老模型之前，然后如果新模型的识别效果不好，再经过老模型去识别。最终业务指标还是达到了，但实际上很难说没有运气成分，在模型上线之前我根本不敢肯定地说能否达到业务目标！现在达到了目标还好，如果没有达到目标呢？那就涉及到对这个融合后地模型的优化，与单独优化老模型相比，对融合模型的优化虽然效果不一定会差，但从思路的清晰度上，多少还是要更麻烦一些。
并且，现在我们自然还是需要面对如何将新模型和老模型解耦而完全将老模型下线的问题，这个部分工作还正在做，虽然现在还并没有遇到特别困难的坎，但这个下线过程业务会一直关注，因为不能损害目前已经达到的准确率，所以一定不是一件轻松的事情。想想当时如果达到可以直接替换老模型的标准新模型才上线，是不是也不会有这些事情了呢？
网友评论