Reversión del modelo

La función de reversión del modelo te permite volver a una versión anterior de tu modelo. De esta manera, puedes restablecer los datos de entrenamiento, tanto para las anotaciones de etiquetas como de campos generales, a las anotaciones utilizadas para entrenar esta versión del modelo.

Importante:

Solo se puede revertir a las versiones del modelo anclado.

Uso de la reversión del modelo

El icono de reversión del modelo está disponible en la página Modelos , en todas las versiones del modelo anclado.

Para utilizar la función de reversión del modelo, proceda de la siguiente manera:

1. Selecciona el icono de reversión en la versión del modelo a la que deseas volver.

   Nota:

   La versión actual del modelo entrenado se anclará automáticamente como copia de seguridad, pero se perderán las anotaciones capturadas por una versión del modelo que aún se esté entrenando.

   

2. Una vez que seleccionas el botón de reversión, aparece una ventana emergente como recordatorio de que se recomienda permitir que la versión actual del modelo finalice el entrenamiento antes de revertir tu modelo. Para continuar, selecciona Restablecer.

   

Si la reversión del modelo se ha iniciado correctamente, aparecerá un banner en la página.

Qué sucede durante la reversión del modelo

While the model is rolling back, you cannot modify the dataset. This means that you cannot train your model during this time, and apply any labels or general fields to messages.

Aparecerá un indicador de advertencia en la parte superior, informándote de que el modelo se está revirtiendo.

Si intentas modificar tu conjunto de datos, aparecerá el siguiente banner en la página, y cualquier mensaje que intentemos anotar no tendrá la etiqueta o el campo general aplicado hasta que se complete la reversión del modelo.

Aunque la función de reversión te ayuda a revertir a una versión anterior de un modelo, si has cometido algún error importante en nuestro entrenamiento del modelo, no debes confiar demasiado en ella.

En su lugar, asegúrate de seguir la metodología de entrenamiento de modelos adecuada la primera vez, ya que esto puede ahorrarnos tiempo a largo plazo.