ebonite:机器学习生命周期框架

docs 测试 包裹 Ebonite是一个机器学习生命周期框架。 它使您可以保留模型并再现它们（作为服务或一般而言）。 安装 pip install ebonite 快速开始 在开始使用Ebonite之前，您需要先建立模型。 这可能是您喜欢的库中的模型（下面是受支持的库的列表），也可能只是使用自定义Python函数处理典型机器学习数据的模型。 import numpy as np def clf ( data ): return ( np . sum ( a , axis = - 1 ) > 1 ). astype ( np . int32 ) 此外，您的自定义函数可以包装某些库中的模型。 这使您不仅可以灵活地使用纯ML模型，还可以使用基于规则的模型（例如，在项目开始时作为服务存根）和通常用于解决实际问题的混合模型（带有预处理/后处理的ML）。 准备好模型后，您应该创建一个