Продукты при: Правильное питание при болезнях пищеварения

Питание при геморрое. Как диета может облегчить ваше состояние

Одним из важных этиологических факторов развития геморроя является неправильное питание, которое способствует нарушению стула и частым запорам. Неграмотно подобранная диета может привести к усугублению процесса, травмированию слизистой твердыми каловыми массами и развитию осложнений в виде инфекции или кровотечения. Любой врач начинает лечение геморроя с разъяснений принципов нового меню для пациента.
Правильное питание помогает достигнуть следующих целей:

• Нормализация стула. Эта мера является одной из важнейших в лечении геморроя. Регулярный стул мягкой консистенции способствует уменьшению проявлений заболевания (на начальных стадиях) за счет уменьшения напряжения мышц промежности во время акта дефекации и давления на стенку прямой кишки.
• Устранение проблемы лишнего веса и ожирения. Слишком большое количество жировых отложений давит на кишечник, ухудшая его кровообращение и замедляя пассаж каловых масс.
• Поддержание хорошей работы иммунной системы, что достигается оптимальным содержанием витаминов и микроэлементов в потребляемой пище. При осложнениях геморроя, таких как трещины в анусе, кровотечении и других, необходима достаточная активность компенсаторных систем организма, которые как можно скорее устранят проявления анемии и воспаления.

Таким образом, грамотно подобранная диета помогает не только компенсировать заболевание, а иногда и вовсе устранить проявления болезни.

---

Основные принципы питания 

Важным условием при составлении диеты является не только ее рацион, но и особенности употребления пищи в течение дня. Рекомендуется руководствоваться следующими принципами.

• Дробное питание 5-6 раз в день небольшими порциями с приблизительно равными перерывами между приемами пищи. Такой режим поможет избежать перенапряжения желудочно-кишечного тракта от больших порций 3 раза в день.
• Ужин должен быть не позднее, чем за 2-3 часа до сна.
• Потребляемая пища должна иметь температуру 37-40 градусов, чтобы не раздражать стенки желудочно-кишечного тракта.
• Нужно стараться делить блюда на небольшие кусочки, есть не спеша и тщательно пережевывать пищу. Это облегчает работу кишечника и способствует нормализации стула.
• Очень важным условием правильного рациона при геморрое является употребление достаточного количества воды (2 литра в день). Это помогает придать каловым массам нужную мягкую консистенцию и, соответственно, облегчить их отхождение. Предпочтение следует отдавать чистой минеральной негазированной воде. Это условие должно с осторожностью соблюдаться людьми, которые имеют заболевания сердечно-сосудистой системы и почек.
• Не следует при готовке добавлять в пищу слишком большое количество соли и специй. При движении по желудочно-кишечному тракту такой пищевой комок будет вызывать раздражение его стенок, что может привести к их воспалению. 
• Диета должна быть сбалансированной, содержать достаточное количество основных питательных веществ, а также витаминов и микроэлементов для поддержания тонуса организма в целом.

---

Какие продукты употреблять в пищу нельзя

Некоторые продукты находятся под запретом в меню пациента, страдающего от геморроя. 

• Алкоголь и газированные напитки — они раздражают стенку кишки, усиливая воспаление.
• Крахмал и простые углеводы (кондитерские изделия, выпечка) — эти продукты могут вызвать брожение в кишечнике.
• Молоко. С возрастом у человека снижается активность фермента лактозы, который способен его створаживать, поэтому предпочтение при геморрое следует отдавать кисломолочным продуктам.
• Крепкий черный чай и кофе из-за слишком большого содержания в них кофеина.
• Продукты семейства бобовых (чечевица, фасоль, горох) могут вызвать слишком большое газообразование в кишечнике, что провоцирует метеоризм и вздутие живота.
• Грибы слишком тяжело и длительно перевариваются в желудочно-кишечном тракте, в связи с чем их употребление также рекомендуется ограничить.
• Также с осторожностью следует употреблять цитрусовые, груши и виноград, а также большинство ягод.  

Несмотря на кажущийся строгим перечень ограничений, пациенту с геморроем иногда (не чаще одного раза в неделю) можно включать в рацион и «запрещенные» продукты (например, съесть одну булочку или употребить в качестве гарнира картофель).

---

Что можно есть при геморрое

Список разрешенных продуктов достаточно богат и разнообразен. В него могут быть включены следующие продукты питания:

• Отруби. Содержат огромное количество естественной клетчатки, которая помогает пассажу пищи и формированию каловых масс необходимой консистенции. Но важно помнить, что избыток этого продукта также может вызвать брожение, в связи с чем его следует употреблять в небольших количествах (примерно 30г в сутки).
• Свежие овощи, которые также включают много клетчатки, но следует избегать острого перца и щавеля, т.к. большое количество содержащихся в них эфирных масел и кислот может оказать раздражающее действие на стенку кишки.
• Супы без картофеля на нежирном рыбном или мясном бульоне.
• Фрукты. Предпочтение нужно отдавать в меру зрелым плодам, потому как перезрелые или кислые фрукты могут вызывать диарею. Умеренным послабляющим действием обладают сухофрукты, хурма, киви, персики. 
• Нежирные сорта мяса и рыбы – ценный источник белка. Лучше всего их приготовить на пару или запечь в духовке, жарить не рекомендуется.
• Яйца. Лучше всего употреблять в виде омлета или вареными.
• Растительные масла (добавлять в салаты, каши). Присутствие этого важного компонента питания помогает формированию мягкого кала.
• Кисломолочные продукты. Помогают поддерживать необходимый баланс кишечной микрофлоры и не вызывают при этом брожения.

Таким образом, список разрешенных продуктов достаточно объемен, и пациент сможет подобрать для себя оптимальный рацион, не чувствуя каких-либо ограничений в питании.

Необходимо понимать, что даже строгое соблюдение диеты не может устранить патологические изменения, которые характерны для геморроя. Все пациенты должны регулярно наблюдаться у врача, проходить обследование, которое назначает специалист, и строго следовать всем врачебным рекомендациям.

Материал подготовил
специалист медицинского центра «УРО-ПРО»
Звягин Сергей Викторович,
врач-проктолог, стаж 21 год

Вернуться к списку статей

Правильное питание при гипертонии — Рязанская областная клиническая больница ГБУ РО «ОКБ»

Информация ко Всемирному Дню сердца, который отмечался 29 сентября.

Правильное питание вместе с лекарственной терапией является очень важным фактором лечения гипертонии. В большинстве случаев диета — основа лечения при повышенном артериальном давлении.

Диетическое питание при гипертонии должно опираться на ряд принципов: 

• уменьшение энергоценности рациона для снижения веса;
• соблюдение режима 4-5 разового питания, исключая большие приемы пищи;
• снижение калорийности рациона;
• ограничение употребления животных жиров, содержащих холестерин и насыщенных жирными кислотами;
• повышение содержания аскорбиновой кислоты, витамина Р, рибофлавина, тиамина, никотиновой кислоты;
• исключение продуктов и блюд, возбуждающих сердечно-сосудистую систему:  крепкие мясные, рыбные и грибные бульоны, кофе, крепкий чай;
• питание, обогащенное магнием и калием;
• ограничение продуктов, вызывающих усиленное газообразование и вздутие кишечника: бобы, газированные напитки и т. п.;
• профилактика больших нагрузок на почки: ограничение мяса, рыбы, грибов, пряностей, щавелевой кислоты, эфирных масел;
• ограниченное количество жидкости;
• метод приготовления вторых блюд: отваривание, на пару, запекание или легкое обжаривание.

Продукты, которые нельзя употреблять гипертонику:

1. Мясные крепкие бульоны, жирная свинина, сало, студень, копчености, маргарин.
2. Жареное и острое.
3. Алкоголь.
4. Соленая пища. Соль задерживает воду в организме (употреблять 3-5 г соли в день).
5. Сладкое и мучное. От таких продуктов быстро увеличивается вес, что вредно для гипертоника. 

Полезные продукты при гипертонии:

• несоленая рыба.
• молочные продукты с пониженной жирностью.
• овощи, фрукты и ягоды.  Из овощей особо полезны кабачки, топинамбур, тыквы, печеный в кожуре картофель, свекла. Топинамбур регулирует обмен веществ. Свекла понижает давление, растворяет кровеносные сгустки, чистит стенки сосудов, должна присутствовать в меню больного гипертонией каждодневно. Лимон, клюква, шиповник, калина также способствуют понижению давления.
• морепродукты. Например, морская капуста снижает уровень холестерина и защищает сосуды от склероза.
• крупы. Особенно греча.
• растительное масло. Самое полезное — льняное.
• хлеб грубого помола с отрубями.
• сухофрукты. Предпочтительнее чернослив и курага.

Добавки, чтобы улучшить вкус блюд

Так как пища без соли кажется невкусной, диетологи советуют при приготовлении еды добавлять мед, цукаты, клюкву, чернослив, лимон, анис, тмин, корицу. В первые и вторые блюда — петрушку, укроп, уксус, лавровый лист, лук, перец душистый, базилик, чеснок, шафран, мускатный орех.

Правильное питание при гипертонии является частью лечения, пожалуйста, помните об этом!

50 Best Trader Joe’s Products 2023

1

Чашки с арахисовым маслом из темного шоколада

Trader Joe’s

Арахисовое масло и шоколад — динамичный дуэт, который выдерживает испытание временем, но когда это темный шоколад — о боже, эта комбинация имеет вкус даже лучше. Чашки с арахисовым маслом и арахисовым маслом из темного шоколада от Trader Joe настолько любимы фанатами, что они выиграли титул Sweet Treat в ежегодной премии «Выбор клиентов» 2021 года, выпущенной Trader Joe’s.

2

Крошечные авокадо

Trader Joe’s

Нет ничего хуже, чем хранить половинку неиспользованного авокадо в холодильнике только для того, чтобы через несколько минут он испортился. К счастью, у Trader Joe’s есть восхитительно маленькое решение. Эти авокадо на одну порцию идеально подходят для добавления в бутерброды, салаты и практически во что угодно. Вам больше никогда не придется выбрасывать авокадо.

3

Смесь приправ «Все, кроме остатков»

Trader Joe’s

Эта приправа покорила меня «всем, кроме». Если он хоть наполовину так хорош, как «Все, кроме приправы для рогаликов» от TJ, он обязательно станет основным продуктом в кладовой, особенно в День Благодарения. В состав смеси входят обезвоженный лук, морская соль, порошок куркумы, розмарин, тимьян, шалфей и многое другое. Добавьте его к остаткам, чтобы во второй раз сделать блюдо еще вкуснее. «Это как День Благодарения в банке», — написал этот рецензент.

Реклама — Продолжить чтение ниже

4

Жареная капуста с чесноком

Trader Joe’s

Этот замороженный овощной гарнир — новинка TJ’s, но он уже занял место среди лучших продуктов, которые они когда-либо выпускали. Пикантная соевая глазурь и нарезанный чеснок превращают скромную капусту в восхитительно сытное блюдо.

5

Набор салатов с лимоном и рукколой и базиликом

Trader Joe’s

«Я буквально бегу в отдел салатов, чтобы убедиться, что у них это есть», — сказал этот создатель TikTok. «Это винегрет. Он только в наборе для салата. Все, это с кусочком лосося на боку, месье!»

6

Хумус в средиземноморском стиле

Trader Joe’s

Trader Joe’s предлагает множество различных сортов хумуса — от бейглов до шоколада, — но классический средиземноморский хумус — это OG по какой-то причине. Он богатый, сливочный и гладкий сам по себе, но капля оливкового масла, кедровых орехов и трав делает каждый укус особенно роскошным.

Реклама – Продолжить чтение ниже. И превратить суперпопулярную зеленую заправку богини во что-то, что можно намазывать на все подряд? Гений. «Я подсел на эту приправу для тостов с авокадо», — написал рецензент. «Лимонный вкус дает такой приятный эффект. Я случайно использовал это, когда не мог найти свою приправу для всего, и это так хорошо, что я, возможно, никогда не вернусь».

8

Неожиданный сыр чеддер

Trader Joe’s

«Из года в год, Trader Joe’s Unexpected Cheddar является одним из их самых продаваемых продуктов», — пишет блог Trader Joe’s Rants. «Это беспроигрышный продукт. Если вы положите его на сырную тарелку для компании, вы почти гарантированно услышите: «Вау, этот сыр восхитителен. Где вы его взяли?»

9

Чесночный соус «Ачаар»

«Trader Joe’s»

«Trader Joe’s» — наш выбор для легкого ужина в будние дни. Этот пряный соус можно подавать к рису или курице, а также к супам или гамбургерам. Это приправа вашей мечты. «За 2,69 доллара, это действительно полезный и вкусный продукт, если вы наслаждаетесь специями индийской кухни», — написала Бренда Сиклз из Become Betty. «Эта приправа — настоящий чистый холст, который позволит вам проявить творческий подход к чему-то, что кажется немного простым. »

Реклама — Продолжить чтение ниже

10

Французские макароны с луком и сыром

Trader Joe’s

Когда вы соедините два наших любимых повседневных блюда, вы не ошибетесь. Эти макароны с сыром вдохновлены французским бистро классика, включающая швейцарский сыр, сладкий жареный лук и хрустящие гренки.Каждый кусочек восхитительно снисходителен.

11

Сливочный соус из цветной капусты с халапеньо

Trader Joe’s

Мы всегда ищем новый соус с низким содержанием углеводов (и новые интересные способы использования цветной капусты!), и этот сливочный соус с халапеньо из цветной капусты — пряный, сливочный, мечтательное дополнение к нашим холодильникам.

12

Мягкое и сочное манго

Trader Joe’s

Сухофрукты иногда могут получить плохую репутацию, но подслащенные кусочки манго TJ почти как конфеты. Они нежные и сохраняют некоторую влажность, поэтому вам не придется жевать их часами. А легкая посыпка сахаром снаружи — дополнительный бонус.

Реклама — Продолжить чтение ниже

13

Обертывания с хикамой

Trader Joe’s

Если вы ищете замену с низким содержанием углеводов на ночь тако, в которой нет слова «цветная капуста», эти обертки из хикамы — идеальный вариант. решение. Они тонко нарезаны, хрустят и настолько вкусны, что вы едва ли пропустите углеводы тортильи. Кроме того, они лучшие друзья любителей кето.

14

Органический апельсиновый сок

Trader Joe’s

Если вам нравится начинать утро со сладкого или вам нужен миксер для мимозы, апельсиновый сок холодного отжима от Trader Joe — это то, что вам нужно. По сравнению с другими бутылками, купленными в магазине, их версия имеет такой свежий вкус, как будто ее только что выжали в ваш стакан.

15

Пельмени со свининой и имбирным супом

Trader Joe’s

Нет необходимости заказывать еду на вынос с этими клецками из свинины и имбирного супа в магазине Trader Joe’s. Их можно найти в замороженном отделе, а при нагревании заливают теплым пикантным бульоном вместе с мясной начинкой. «Купите это у торговца Джо прямо сейчас!» этот Tiktoker бредил.

Реклама — Продолжить чтение ниже

16

Овощные кесадильи Chipotle

Trader Joe’s

Эти замороженные кесадильи — любимые блюда помощника редактора Delish Габби Ромеро. «Тортильи такие мягкие и пушистые», — говорит она. «И мне нравится, как кукуруза и черные бобы добавляют веса». Они вкусны сами по себе, но добавить к ним гуакамоле никогда не помешает.

17

Соус «Зеленая богиня»

«Торговец Джо»

Если вам трудно есть овощи, обратите внимание на этот соус «Зеленая богиня» — вариант популярной заправки «Зеленая богиня». «Сметана добавляет немного тела и молнии, а майонез определенно помогает немного сгустить продукты», — пишет блог What’s Good at Trader Joe’s. «Кроме этого, у соуса есть все отличительные черты: цитрусовый, чесночный, кислый, немного пряный, но ароматный, не подогретый».

18

Ежедневный солнцезащитный крем для лица

Trader Joe’s

Trader Joe’s может быть известен своими продуктами питания, но вы не должны спать на средствах по уходу за кожей. Этот солнцезащитный крем стал вирусным из-за того, что был обманом для солнцезащитного крема Supergoop Unseen за 37 долларов. Всего за 9 долларов вы можете защитить свою кожу и свой кошелек.

Реклама — Продолжить чтение ниже. «Я люблю этот материал!» написал этот рецензент. «Немного уходит, так как он концентрированный, и он крепкий. Я пристрастился к этой штуке. Прост в использовании и намного дешевле, чем постоянно покупать холодный напиток».

20

Держи рожок Конусы мороженого

Trader Joe’s

Мини-десерт? Мы любим это! «Шоколад трейдера Джо, держи рожок! Мини-рожки для мороженого так же вкусны, как и забавны», — говорится в блоге Freezer Meal Frenzy. «Они наполнены шоколадным вкусом и упакованы в небольшие конусы, которые приятно есть. Если вы колеблетесь, не купить ли вам партию, мы определенно думаем, что вам стоит это сделать!»

Фелиция ЛаЛомия

Редактор продуктов питания и культуры

Фелиция ЛаЛомия — редактор отдела кулинарии и культуры журнала Delish. Когда она не освещает новости о еде или не пишет статьи о вкусных тенденциях в кулинарном мире, она ищет свой следующий идеальный кусочек.

Алексис Морилло

Заместитель главного редактора

Алексис Морилло (Alexis Morillo) — заместитель главного редактора Delish.com, где она освещает последние новости о еде и вирусные тренды в еде.

Использование форматированных изображений и текстовых данных для категоризации продуктов в масштабе

В последний раз, когда мы обсуждали категоризацию продуктов в этом блоге, Shopify поддерживал более 1 миллиона продавцов. С тех пор мы выросли и в настоящее время обслуживаем миллионы продавцов, которые продают миллиарды товаров в самых разных отраслях. С таким притоком новых продавцов мы решили пересмотреть нашу существующую модель категоризации продуктов, чтобы убедиться, что мы понимаем, что продают наши продавцы, чтобы мы могли создавать лучшие продукты, которые помогают увеличить их продажи.

Для этого мы рассмотрели две наиболее важные метрики:

1. Как часто наши предсказания оказывались верными? Чтобы ответить на этот вопрос, мы рассмотрели точность, полноту и точность модели. Это должно быть хорошо знакомо всем, у кого есть опыт работы с классификационными моделями машинного обучения. Для простоты назовем этот набор метрик «точность». Эти показатели рассчитываются с использованием набора задержек, чтобы обеспечить беспристрастное измерение.
2. Как часто мы делаем прогноз? Наша существующая модель отфильтровывает прогнозы ниже определенного порога достоверности, чтобы гарантировать, что мы предоставляем только прогнозы, в которых мы уверены. Итак, мы определили метрику под названием «покрытие»: отношение количества товаров с прогнозом к общему количеству товаров.

В дополнение к этим двум показателям нас также волнует, как используются эти прогнозы и предоставляем ли мы правильные шаблоны доступа и SLA для удовлетворения всех вариантов использования. Например, мы можем захотеть предоставить нашим потребителям прогнозы в реальном времени с малой задержкой.

После оценки нашей модели по этим показателям и принимая во внимание различные продукты данных, которые мы хотели создать, мы решили построить новую модель, чтобы улучшить нашу производительность. Подойдя к проблеме, мы напомнили себе о слепых зонах существующей модели. К ним относятся такие вещи, как использование только текстовых функций для прогнозирования и возможность понимать продукты только на английском языке.

В этом посте мы обсудим, как мы развили и модернизировали нашу модель категоризации продуктов, которая повысила точность листьев на 8% и удвоила охват. Мы углубимся в проблемы решения этой проблемы в масштабе и технические компромиссы, которые мы сделали на этом пути. Наконец, мы опишем продукт, который в настоящее время используется несколькими внутренними командами и экосистемами наших партнеров для создания производных продуктов данных.

Прежде чем мы обсудим модель, давайте вспомним, почему категоризация продуктов является важной проблемой, которую необходимо решить.

Продавцы продают различные товары на нашей платформе, и эти товары продаются по разным каналам продаж. Мы считаем, что ключом к созданию лучших продуктов для наших продавцов является понимание того, что они продают. Например, классифицируя все продукты, которые продают наши продавцы, по стандартному набору категорий, мы можем создавать такие функции, как улучшенный поиск и обнаружение по всем каналам, а также персонализированные идеи для поддержки маркетинговых усилий продавцов.

Наша текущая модель категоризации использует таксономию продуктов Google (GPT). GPT — это список из более чем 5 500 категорий, которые помогают нам упорядочивать продукты. В отличие от традиционного плоского списка категорий или меток, характерного для большинства задач классификации, GPT имеет иерархическую древовидную структуру. Как огромное количество категорий в таксономии, так и сложная структура и взаимосвязь между различными классами делают эту проблему сложной для моделирования и решения.

Образец ответвления от GPT с примером классификации животных и товаров для животных

Прежде чем мы смогли погрузиться в создание нашей улучшенной модели, мы должны были принять во внимание то, с чем нам приходилось работать, изучая доступные нам функции продукта. Ниже приведен пример страницы администрирования продукта, которую вы увидите в бэкэнде магазина продавца Shopify:

Страница администрирования продукта в бэкэнде магазина Shopify

На изображении выше показана страница администрирования продукта в админке Shopify. Мы выделили функции, которые могут помочь нам определить, что представляет собой продукт. К ним относятся название, описание поставщика, коллекция типов продуктов, теги и изображения продуктов.

Очевидно, что у нас есть несколько функций, которые могут помочь нам определить, что представляет собой продукт, но ничего в структурированном формате. Например, несколько продавцов, продающих один и тот же продукт, могут использовать разные значения для типа продукта. Хотя это дает продавцу большую гибкость для внутренней организации своего инвентаря, это создает более сложную проблему при категоризации и индексации этих продуктов в разных магазинах.

Вообще говоря, нам доступны два типа функций:

 

Текстовые функции	Название продукта Описание продукта Тип продукта Поставщик продукта Коллекции продуктов  Ярлыки продуктов
Визуальные элементы	Изображения продуктов

 

Это функции, с которыми мы работали, чтобы классифицировать продукты.

Векторизация функций

Для начала нам нужно было выбрать, какой тип векторизации подходит для наших функций, поскольку как текстовые, так и графические функции не могут использоваться большинством моделей машинного обучения в необработанном виде. После долгих экспериментов мы перешли к трансферному обучению с использованием нейронных сетей. Мы использовали предварительно обученные модели изображений и текста, чтобы преобразовать наши необработанные функции во вложения, которые в дальнейшем использовались для нашей иерархической классификации. Этот подход предоставил нам гибкость для включения нескольких принципов, которые мы подробно обсудим в следующем разделе.

Мы протестировали несколько предварительно обученных моделей, чтобы решить, какие модели использовать для встраивания изображений и текста. Параметрами, которые необходимо учитывать, были как производительность модели, так и вычислительные затраты. Когда мы сбалансировали эти два параметра, мы остановились на выборе:

• Многоязычный BERT для текста
• MobileNet-V2 для изображений

Архитектура модели

Как объяснялось в нашем предыдущем посте, категоризация задач иерархической классификации ставит перед нами дополнительные задачи помимо плоской задачи с несколькими классами. Мы извлекли два урока из наших предыдущих попыток решить эту проблему:

1. Сохранение многоклассовой природы этой задачи чрезвычайно полезно при прогнозировании. Например: уровень 1 в таксономии имеет 21 различную метку класса по сравнению с более чем 500 метками на уровне 3.
2. Изучение родительских узлов помогает предсказать дочерний узел . Например, если мы вернемся к изображению в нашем примере администратора продукта Shopify, будет легче предсказать продукт как «Кровать для собак», если мы уже предсказали, что он принадлежит к «Товары для собак».

Итак, мы решили сформулировать проблему как многозадачную проблему классификации с несколькими классами, чтобы включить эти знания в нашу модель.

• Многозадачность: Каждый уровень таксономии рассматривался как отдельная задача классификации, и выходные данные каждого уровня возвращались в следующую модель для выполнения прогноза следующего уровня.

• Multi-Class : Каждый уровень таксономии содержит различное количество классов на выбор, поэтому каждая задача стала одной проблемой классификации нескольких классов.

Схема структуры модели для первых двух уровней таксономии

Изображение выше иллюстрирует подход, который мы использовали для включения этих уроков. Как упоминалось ранее, мы используем предварительно обученные модели для встраивания необработанных функций текста и изображений, а затем передаем вложения в несколько скрытых слоев, прежде чем получить выходной слой с несколькими классами для прогноза уровня 1. Затем мы берем выходные данные этого слоя вместе с исходными вложениями и передаем их в последующие скрытые слои для прогнозирования выходных данных уровня 2. Мы продолжаем этот цикл обратной связи до Уровня 7.

Некоторые важные моменты, на которые следует обратить внимание:

1. Всего у нас есть семь выходных слоев, соответствующих семи уровням таксономии. Каждый из этих выходных слоев имеет свою собственную функцию потерь, связанную с ним.
2. Во время прямого прохода модели родительские узлы влияют на выходные данные дочерних узлов.
3. Во время обратного распространения потери всех семи выходных слоев взвешенно объединяются, чтобы получить единое значение потерь, которое используется для расчета градиентов. Это означает, что производительность более низкого уровня может влиять на веса слоев более высокого уровня и подталкивать модель в правильном направлении.
4. Хотя мы передаем предсказание родительского узла задачам предсказания дочернего узла, чтобы влиять на эти предсказания, мы не накладываем никаких жестких ограничений, согласно которым предсказание дочернего узла должно быть строго дочерним по отношению к предсказанию предыдущего уровня. Например, модели разрешено прогнозировать Уровень 2 как «Товары для домашних животных», даже если она прогнозировала Уровень 1 как «Искусство и развлечения». Мы разрешаем это во время обучения, чтобы точные прогнозы в дочерних узлах могли подтолкнуть неправильные прогнозы в родительском узле в правильном направлении. Мы вернемся к этому моменту на этапе вывода в следующем разделе.
5. Мы можем справиться с дисбалансом в классах, используя веса классов на этапе обучения. Набор данных, который у нас есть, сильно несбалансирован. Это затрудняет обучение классификатора, который обобщает. Добавление весов классов позволяет нам смягчить последствия дисбаланса классов. Предоставляя веса классов, мы можем наказывать за ошибки в прогнозировании классов с меньшим количеством сравниваемых выборок, тем самым преодолевая недостаток наблюдений в этих классах.

Одним из преимуществ масштабирования Shopify является доступность больших наборов данных для создания отличных информационных продуктов, которые приносят пользу нашим продавцам и их покупателям. Для классификации продуктов мы собрали сотни миллионов наблюдений, из которых можно извлечь уроки. Но это также сопряжено со своим набором проблем! Модель, которую мы описали выше, оказывается огромной по сложности. В итоге он имеет более 250 миллионов параметров. Добавьте к этому размер нашего набора данных, обучение этой модели за разумное время является сложной задачей. Обучение этой модели с использованием одной машины может занять несколько недель даже при использовании графического процессора. Нам нужно было сократить время обучения, не жертвуя при этом производительностью модели.

Мы решили использовать метод распараллеливания данных для решения этой учебной задачи. Это позволило бы нам ускорить процесс обучения, разделив набор обучающих данных на части и используя одну машину для обучения модели. Модель была построена и обучена с использованием распределенного Tensorflow с использованием нескольких рабочих процессов и графических процессоров на Google Cloud Platform. Мы провели несколько оптимизаций, чтобы максимально эффективно использовать эти ресурсы.

Как описано в разделе архитектуры модели, мы не ограничиваем модель строго следовать иерархии во время обучения. Хотя это работает во время обучения, мы не можем допустить такого поведения во время вывода, иначе мы поставим под угрозу обеспечение надежного и плавного опыта для наших потребителей. Чтобы решить эту проблему, мы включаем дополнительную логику на этапе вывода. Шагов во время прогнозов

1. Сделайте необработанные прогнозы на основе обученной модели. Будет возвращено семь массивов оценок достоверности. Каждый массив представляет один уровень таксономии.
2. Выберите категорию с наивысшим показателем достоверности на Уровне 1 и назначьте ее прогнозом Уровня 1.
3. Собрать всех непосредственных потомков прогноза уровня 1 . Из них выберите ребенка с наивысшей оценкой достоверности и обозначьте его как предсказание Уровня 2.
4. Продолжайте этот процесс, пока мы не достигнем прогноза уровня 7.

Мы выполняем описанную выше логику как операции Tensorflow и строим модель подкласса Keras, чтобы объединить эти операции с обученной моделью. Это позволяет нам иметь один объект модели Tensorflow, который содержит всю логику, используемую как в пакетном, так и в онлайн-выводе.

Схема модели подкласса, включая дополнительную логику вывода

На изображении выше показано, как мы строим модель подкласса Keras, чтобы взять необработанную обученную функциональную модель Keras и присоединить ее к нисходящему графу Tensorflow для выполнения рекурсивного прогнозирования.

Мы собрали набор различных показателей для измерения производительности модели иерархической классификации. К ним относятся:

• Иерархическая точность
• Иерархическая точность
• Иерархический отзыв
• Иерархический F1
• Покрытие

Помимо улучшения всех показателей, перечисленных выше, новая модель классифицирует продукты на нескольких языках и не ограничивается только продуктами с английским текстом, что имеет решающее значение для нас, поскольку мы продвигаем миссию Shopify по улучшению торговли для всех вокруг. мир.

Чтобы обеспечить отображение только самых качественных прогнозов, мы устанавливаем различные пороговые значения для оценок достоверности на разных уровнях, чтобы отфильтровать прогнозы с низкой достоверностью. Это означает, что не все продукты имеют прогнозы на каждом уровне.

Пример этого показан на изображении ниже:

Интеллектуальное пороговое значение

На изображении выше показано, как фотография собачьей лежанки приводит к четырем уровням прогнозирования. Все первые три уровня имеют высокий показатель достоверности и будут раскрыты. Прогноз четвертого уровня имеет низкий показатель достоверности, и этот прогноз не будет раскрыт.

В этом примере мы не раскрываем ничего, кроме третьего уровня прогнозов, поскольку четвертый уровень не удовлетворяет нашим минимальным требованиям достоверности.

В ходе этого процесса мы узнали, как настроить модель так, чтобы эти различные показатели были оптимально сбалансированы. Мы могли бы, например, добиться более высокой иерархической точности за счет меньшего охвата. Это трудные решения, и мы должны понимать наш вариант использования в бизнесе и приоритеты для принятия этих решений. Мы не можем не подчеркнуть, насколько важно для нас сосредоточиться на бизнес-вариантах использования и опыте продавца, чтобы направлять нас. Мы оптимизировали работу, чтобы уменьшить негативный опыт продавцов и трения. Хотя метрики являются отличным индикатором производительности модели, мы также проводили выборочные проверки и ручной контроль качества наших прогнозов, чтобы выявить проблемные области.

Например, мы уделили пристальное внимание производительности модели на предметах, которые принадлежали к деликатным категориям, таким как «Религиозные и церемониальные предметы». Хотя общие метрики могут выглядеть хорошо, они также могут маскировать производительность модели в небольших областях таксономии, что может вызвать много разногласий у продавцов. Мы вручную настроили пороги достоверности, чтобы обеспечить высокую производительность в этих чувствительных областях. Мы рекомендуем читателю также применять эту практику при развертывании любого продукта, основанного на машинном обучении, для потребителей, сталкивающихся с данными.

Модернизация предыдущей модели позволила нам повысить точность и охват. На высоком уровне мы смогли повысить точность на восемь процентов, а также почти удвоить покрытие. У нас есть более точные прогнозы для гораздо большего количества продуктов. Хотя мы улучшили модель и предоставили надежный продукт для наших продавцов, мы считаем, что можем улучшить его еще больше. Некоторые области улучшений включают:

• Качество данных: Несмотря на то, что у нас есть обширный набор данных о маркированных продуктах, он содержит высокий дисбаланс. Хотя мы можем устранить дисбаланс в наборе данных, используя различные хорошо известные методы, такие как весовые коэффициенты классов и избыточную/недостаточную выборку, мы также считаем, что нам следует собирать свежие точки данных в тех областях, где у нас в настоящее время недостаточно.