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
为Flask应用构建Docker镜像
这部分内容有帮助吗？
docker build, Docker Documentation, 2024 - 提供关于docker build命令的官方权威参考，包括其语法、用于标记的-t等选项以及构建上下文的处理，这些都是本节涵盖的核心内容。- Best practices for writing Dockerfiles, Docker Documentation, 2024 - 提供关于编写高效、安全和可维护 Dockerfile 的官方指南和建议。尽管本节侧重于从现有 Dockerfile 构建镜像，但理解这些实践可以提高 Docker 镜像的质量和效率。
- Docker in Action, Jeff Nickoloff, Stephen Kuenzli, 2019 (Manning Publications) - 一本综合性书籍，提供使用 Docker 的实用实例。它涵盖了构建镜像、使用 Dockerfile 以及在容器中管理应用程序，提供了比特定命令参考更广泛和详细的 Docker 生态系统理解。
- Designing Machine Learning Systems: An Iterative Approach, Chip Huyen, 2022 (O'Reilly Media) - 本书讨论了构建和部署机器学习系统的实践方面，包括容器化的作用。它为 Docker 镜像构建为何是可靠、一致地部署机器学习模型的基础步骤提供了背景。