所有课程

机器学习部署概论

章节 1: 模型部署入门

什么是机器学习部署？

为什么要部署机器学习模型？

机器学习工作流程概述

部署策略的类型 (简介)

模型部署中的挑战

第 1 章测验

章节 2: 为模型部署做准备

保存训练好的模型

模型序列化简介

使用 Pickle 保存模型

使用 Joblib 保存模型

处理模型依赖

保存预处理步骤

动手实践：保存和加载简单模型

第 2 章测验

章节 3: 使用 Flask 创建预测服务

什么是API？

Web框架简介

构建一个基础的 Flask 应用

在 Flask 中加载已保存的模型

定义预测端点

处理输入数据 (JSON)

返回预测结果

在本地测试你的 API

动手实践：构建一个简单的Flask预测API

第 3 章测验

章节 4: Docker 容器化简介

什么是容器化？

Docker 核心理念：镜像与容器

编写一个简单的Dockerfile

为Flask应用构建Docker镜像

在 Docker 容器中运行应用

动手实践：容器化预测服务

第 4 章测验

处理模型依赖

这部分内容有帮助吗？

参考文献

venv - Creation of virtual environments, Python Software Foundation, 2023 - 创建和管理隔离的Python环境的官方指南，这对于项目间的依赖项一致性非常必要。
pip User Guide: Requirements Files, The pip developers, 2023 - 介绍如何使用 requirements.txt 文件声明和安装项目依赖项的文档，以支持可重现的环境。
Model persistence, scikit-learn developers, 2023 - 关于保存和加载 scikit-learn 模型的官方指南，强调匹配库版本对于正确运行和避免问题的重要性。
Managing environments, Anaconda Documentation Team, 2023 - 关于如何为不同项目创建、激活和管理 conda 环境的指南，包括指定Python版本和依赖项。

© 2025 ApX Machine Learning用心打造