使用 Alibi 異常值/漂移檢測器¶

為了信任模型預測並可靠地採取行動，通過各種不同類型的檢測器監視傳入請求的分佈至關重要。 KServe 將 Alibi Detect 與以下組件集成：

• 漂移檢測器(Drift detector) 檢查傳入請求的分佈何時偏離參考分佈，例如訓練數據的分佈。
• 離群值檢測器(Outlier detector) 標記不遵循訓練分佈的實例。

使用的架構如下所示，並將 KServe 中可用的有效載荷日誌記錄與 KNative 中這些有效載荷的異步處理聯繫起來，以檢測異常值。

CIFAR10 Outlier Detector¶

CIFAR10 離群值檢測器。運行筆記本演示進行測試。

範例 notebook 需要 KNative Eventing >= 0.18。

CIFAR10 Drift Detector¶

CIFAR10 漂移檢測器。運行筆記本演示進行測試。

範例 notebook 需要 KNative Eventing >= 0.18。