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
使用 Pickle 保存模型
这部分内容有帮助吗？
pickle- Python object serialization, Python core developers, 2024 - 提供了Pythonpickle模块的全面文档，详细介绍了其功能、用法以及序列化和反序列化的重要安全注意事项。- Persistence model, Scikit-learn developers, 2024 - 概述了保存和加载scikit-learn模型的方法，包括使用
pickle进行模型持久化的实际示例。 - Designing Machine Learning Systems: New Ways of Thinking in Product Development, Chip Huyen, 2022 (O'Reilly Media) - 一本关于构建和部署机器学习系统的重要书籍，为模型持久化在更广泛的机器学习部署流程中的作用提供了背景信息。