技术实践

这次 CI/CD 平台从 Jenkins 迁移到 GitLab CI/CD，中间踩了一些坑，但…

项目本身不复杂：一个文本分类任务，在服务器上训练好的 BERT 模型，分类准确率能达到 92% 以上，但部署时问题来了。

容器编排相关的坑，多半出在边界条件上。

混合精度不是新概念，但真正把 FP16/BF16 落地到生产环境，还是踩了不少坑。

这次项目需要引入服务网格，从评估到落地，花了不少时间。

分布式锁要先改哪一层？

AI梯度累积：小显存不够用了之后：先看卡点

从传统的平均故障间隔时间（MTBF）到现代的站点可靠性工程（SRE），可靠性工程的理念和实践发生了深刻的变革。

**读操作**：先读缓存，未命中则读数据库并更新缓存。

2024 年初接了个电商商品图分类的活。