Versionado de modelos

¿Qué es el versionado de modelos?

¿Crees que entrenar una vez es el final? En la práctica corres decenas o cientos de experimentos, retocas datos y parámetros cada vez, y acabas con un montón de archivos de modelo. El versionado de modelos gestiona esos modelos como Git gestiona el código: registra el modelo, los datos de entrenamiento, la configuración y las métricas de cada versión, para que siempre encuentres la que mejor funcionó.

¿Por qué no basta con el nombre del archivo?

Los nombres mienten
«modelo_v2_final_DEverdad.pt» — a todos nos ha pasado. Pon nombres a mano y en unas semanas no sabrás cuál es cuál.
Un modelo es más que pesos
Para reproducirlo también necesitas el código, los datos, los hiperparámetros y el entorno. Si falta uno, no puedes volver atrás.

¿Qué suele rastrear?

Pesos y configuración
El archivo del modelo junto con los hiperparámetros del entrenamiento.
Datos y código
Qué dataset y qué versión de código lo entrenaron, para que todo sea trazable.
Métricas de evaluación
Precisión, latencia y más, guardadas con cada versión para comparar fácil.

Qué ganas con ello

Vuelves atrás cuando hace falta, reproduces cuando quieres y comparas A/B con pruebas. Si algo se rompe en producción, cambias rápido a la versión anterior; en equipo, quién entrenó qué y cómo es una consulta rápida.

En resumen: el versionado de modelos le da a la IA un «sistema de archivo»: cada versión trazable y el rollback siempre disponible.