只需10分钟!就能用Flask,Docker和Jenkins部署机器学习模型

【方向】 2019-03-23

云栖社区 python docker 服务器 函数 持续集成 容器 API 云平台 存储 flask github jenkins

1_jpeg
在生产环境中部署机器学习模型是数据工程中经常被忽视的领域。网上的大多数教程/博客都侧重于构建、训练和调整机器学习模型。如果它不能用于实际的预测,那么它又有什么用呢? 接下来了解一下有哪些部署选项吧:
评估选项
在生产中部署机器学习模型时,有多种选择。其中一种流行的方法是使用Azure Machine Learning Studio等云服务设计和训练模型,这些服务具有使用拖放工具构建和训练模型的能力。此外,将这些模型作为Web服务发布只需点击几下即可。此类设置的附加优势在于,该部署会随着应用程序使用量的增加而自动扩展。
虽然短时间看起来很方便,但从长远来看,这种设置可能会有问题。当我们想要将应用程序从第三方云平台迁移并将其部署在我们的服务器上时,就有难度了。由于这些工具与其各自的云平台紧密集成,因此这种设置不可移植。此外,随着应用程序的扩

登录 后评论
下一篇
云攻略小攻
2385人浏览
2019-10-11
相关推荐
Python资源大全
2627人浏览
2016-05-12 19:23:00
0
0
0
1823