跨端兼容的智能分类模型：一次训练，全平台精准归类

　　跟产品吵的那天下午三点，我盯着他手机里那个“智能分类模型”的 demo 页面——白底黑字，三级分类折叠收得好好的，还带了个小动画。我点开开发者工具，切到模拟 iPhone SE，再切回 Pixel 7，再切回 iPad Pro 的 Safari。三个屏幕，同一个模型 JSON 接口返回的 label_id 居然对不上。不是错，是“对不上”：iPhone 上叫“快递异常”，Pixel 上叫“物流中断”，iPad 上叫“履约延迟”。同一帧 inference 结果，三端 parse 出来仨名词。我截图发到运维群，Lighthouse 跑分那张图带水印、没裁边、连“Performance: 83”都糊成一团，发完十秒没人回。PM 在对面啃三明治，面包屑掉在键盘上，没擦。

　　我原以为是前端用了不同版本的 tokenizer，结果查下来是后端把分类标签表塞进一个 config.json，又让 Webpack 打包时按 platform 字段 splitChunks——但 Android 端用的是 gradle 插件做 runtime load，iOS 用的是 Swift Package Manager 做 lazy load，Web 端……算了，Web 端连 model.json 都是 base64 写死在 index.html 里的。你说这叫“一次训练”？训练倒是真就一次，去年九月份我在 GPU 机房守了整整十八小时，显存爆了七次，最后一次跑出的 .onnx 模型文件，后端转 ONNX Runtime，前端转 TensorFlow.js，移动端转 Core ML。可训完那一刻起，“优胜劣汰”就开始了：Core ML 把 softmax 层给 fuse 了，TF.js 默认用 float32 做 infer，而安卓上那个定制 ROM 连 half_float 都不认，硬生生 fallback 到 int8 —— label mapping 表在 int8 下崩掉两个边界值，偏移一格，原本排第 17 的“发票缺失”跳成了第 19 的“开票失败”。这个我敢打包票，我当场把三个端的 logcat / console / Xcode debug console 并排贴在显示器上，左中右三列，标红了那行“idx=19 vs expected=17”。

　　桌面那个没关的录屏还在跑，录的是上周五的 CI 流水线——jenkins-job-ml-classify-build-staging，最后一行绿色 ✅ 后面跟着个括号（cache hit），其实没 hit，是缓存键写错了，它根本就没走 cache，纯靠重训顶上去的。但这不重要。重要的是昨天中午倒水的不是我，是前端小张，他拎着保温杯路过我工位时顺手把我桌上那杯隔夜枸杞茶给换了，新杯底还沾着两粒没泡开的枸杞。我说你这杯子是不是刚从会议室拿来的？他点头说对，刚开完需求评审，产品把“支持暗色模式下分类图标反色”改成“支持用户自定义图标色阶映射”，改了四版 PR 描述，没动一行模型代码。我笑了，但没接话。

　　优胜劣汰是真的。不是说算法自动筛选——是人筛的。Android 团队说“int8 够快，我们不管 label 偏移”，iOS 团队说“Core ML 编译器报错我们就换架构，不碰原始模型输出”，Web 团队说“TFLite WASM 适配太重，先上 tfjs@4.13.0 硬扛三个月再说”。没人管“全平台精准归类”这八个字到底准不准，只管自己那端的 FP 必须低于三百毫秒，只要 metrics 过线，label 对不上？加个 mapTable.js 补丁就行。补丁加到第三版，我打开 node_modules/@our-ml-core/utils/mapTable.ts，发现里面有一行注释：“// FIXME: 2023-Q3 sync with backend; temp fix for label mismatch on Xiaomi Redmi Note 12”。这个我说不准是不是真的 Xiaomi 设备的问题，还是当时谁测漏了 OPPO Reno8 的系统级 tensor kernel patch。反正补丁一直活着，比 prod 环境的监控告警配置活得还久。

文章配图，仅供参考

　　CDN 账单上月涨了十九万，原因不是流量暴涨，是 origin server 被迫多开了十二个 inference 实例：因为 Web 端不愿升级 TF.js，必须走 server-side fallback；iOS 不信 JS，要 model on device；Android 拒绝任何 >5MB 的 bundle，只好把分类逻辑切片甩给后端——最终，那个标榜“一次训练”的模型，实际跑了四套推理路径。KPI 折算表里，“跨端兼容达成率”这一项，PM 自己填的是 92.7%，我问依据，他翻出一张钉钉截图：群里有人说“测了五台主流机型，都分对了”。我看了眼截图时间，是上周三下午两点十七分，群里总共七个人，其中俩是实习生，一个在摸鱼刷 B 站，一个正调试小程序的 canvas drawImage 渲染偏移。没人提华为鸿蒙，也没人提那个还在用 Android 8.1 的政企定制机。

　　所以现在怎么做？我把 ONNX Runtime 的 Python infer 脚本扔进 Docker，加了 --no-cache 标志，镜像 push 到私有 registry；又让后端同学改掉所有 /v2/classify 的响应 header，强制加上 Content-Type: application/json; charset=utf-8，不是为兼容，是防 iOS Safari 的 text/plain MIME sniffing 导致 JSON.parse 失败——这事真发生过，去年九月份，就是模型训出来的那天，线上有个用户投诉“分类按钮点了没反应”，查到⭐️⭐️⭐️⭐️是 response body 是 JSON，但 header 写成了 text/plain，Safari 当文本渲染了。我就在这儿坐着，等着下一个 runtime mismatch 出现。要么等，要么手动 merge 那个被卡住三天的 PR ——前端同学提交的，PR 描述写的是“修复 Web 端 label 映射丢失问题（实测 Chrome/Firefox/Edge 正常）”，但没测 Safari，因为“本地 macOS 版本太低，没 Safari 17”。我准备点“Approve”，鼠标悬停三秒，撤回。先去倒杯水。不是我倒，今天轮到后端老李。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!