趋近智
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
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
章节 3: 使用 Flask 创建预测服务
什么是API？
Web框架简介
设置 Flask
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
章节 4: Docker 容器化简介
什么是容器化？
Docker 入门
Docker 核心理念：镜像与容器
安装 Docker
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
处理模型依赖
这部分内容有帮助吗？
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。pipUser 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。