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
在 Flask 中加载已保存的模型
这部分内容有帮助吗？
- Flask Documentation, Pallets, 2024 - Flask Web框架的官方文档，提供了应用程序设置、请求处理和构建Web服务的最佳实践指南。
- joblib: running Python functions as pipeline jobs, joblib developers, 2024 - joblib的官方文档，详细介绍了其高效序列化和反序列化大型Python对象（包括机器学习模型）的功能。
- Designing Machine Learning Systems: New Responsibilities for Data Scientists, ML Engineers, and Software Engineers, Chip Huyen, 2022 (O'Reilly Media) - 本书提供了设计、构建和操作机器学习系统的全面指导，包括模型服务、部署和依赖管理的实用策略。
- pickle - Python object serialization, Python Software Foundation, 2024 - Python pickle模块的官方文档，该模块实现了用于序列化和反序列化Python对象结构的二进制协议。