没有合适的资源?快使用搜索试试~ 我知道了~
部署机器学习模型:使用Flask将Docker学习和机器学习模型作为REST API进行部署
共13个文件
py:3个
pkl:2个
gitignore:1个
需积分: 50 18 下载量 2 浏览量
2021-02-03
07:24:50
上传
评论
收藏 62KB ZIP 举报
温馨提示
使用Flask Dockerize并将机器学习模型作为REST API部署 一个可以服务于预测机器学习模型的简单Flask应用程序。 启动Flask应用程序后,将一个腌制的sklearn模型读入内存,并通过/ predict端点返回预测。 您还可以使用/ train端点来训练/重新训练模型。 部署ML模型的步骤 安装Flask和Docker 序列化您的scikit学习模型(可以使用Pickle或JobLib完成) [可选]将列名称列表添加到scikit对象,例如:rf.columns = ['Age','Sex','Embarked','Survived'] 创建一个单独的flask_api.py文件,该文件将使用Flask构建Web服务 运行python flask_api.py 转到http地址检查其是否正常工作 创建一个执行以下项目的dockerfile 安装ubuntu,python和git 从git克隆代码回购或将本地python代码移动到容器中的/ app 将WORKDIR设置为/ app 在requirements.xt中安装软件包 露出端口以进行烧瓶定位
资源推荐
资源详情
资源评论
收起资源包目录
Deploy-machine-learning-model-master.zip (13个子文件)
Deploy-machine-learning-model-master
example_http_requests.py 799B
data
titanic.csv 59KB
model
model.pkl 171KB
model_columns.pkl 134B
Dockerfile 2KB
tests
tests.py 172B
LICENSE 1KB
requirements.txt 222B
.gitignore 1KB
flask_api.py 3KB
README.md 4KB
example_http_requests.bash 732B
Dockerfile_python 374B
共 13 条
- 1
资源评论
空气安全讲堂
- 粉丝: 42
- 资源: 4795
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功