模型训练完成后，下一步就是准备模型以对新数据进行预测。本章主要讲解如何将训练好的机器学习 (machine learning)模型和必要的推理 (inference)代码打包到 Docker 容器中。目的是构建自包含、高效的单元，用于提供预测服务。

你将掌握以下实用方法：

• 在容器内设计和构建简单的推理服务，通常使用 Flask 或 FastAPI 等 Web 框架。
• 使用多阶段构建和精细的依赖管理等方法，优化生成的 Docker 镜像，以减小尺寸并提高效率。
• 配置用于推理的容器，包括暴露网络端口和实现健康检查，以确保服务正常运行。
• 在容器环境中有效打包模型和相关文件。

学完本章后，你将能够构建优化的 Docker 容器，用于为训练好的机器学习模型提供服务。