文件名称：ml-deployment-on-gcloud：Google Cloud Run上通往CICD的机器学习模型的管道
文件大小：2.15MB
文件格式：ZIP
更新时间：2024-02-20 03:22:44
python dockerfile deployment pipeline continuous-integration
Google Cloud Run上的机器学习部署管道 若昂·阿劳霍（JoãoAraujo），2020年5月4日 此项目是一个简单示例，说明如何在持续集成和部署（CI / CD）上下文中在Google Cloud上部署您的机器学习算法。 为此，我了解您需要具备以下技能： Python： Intermediate 烧瓶： Basic 码头： Intermediate Docker： Basic 云： Basic TL; TR; 我配置了一个管道来在Google Cloud Platform（GCP）上部署机器学习模型，该管道以GitHub存储库中的git push开始，以运行我的应用程序的服务结束。 基本上，管道如下： Local Repo > Remote GitHub Repo > Google Cloud Build (trigger/image builder) > Google Container Registry > Google Cloud Run 我遵循一些最佳实践来构建我的应用程序，以使（重新）构建过程更高效，例如
【文件预览】：
ml-deployment-on-gcloud-master
----app_files()
--------ml-model.pkl(707B)
--------app.py(894B)
----Dockerfile(190B)
----requirements.txt(48B)
----.dockerignore(95B)
----gcp_commands()
--------install_gcloud_sdk.sh(512B)
--------gcloud_config.sh(753B)
----LICENSE(1KB)
----screenshots()
--------gcloud-build-step3.png(77KB)
--------gcloud-build-step7b.png(39KB)
--------gcloud-build-step5.png(51KB)
--------gcloud-build-step2.png(43KB)
--------gcloud-build-step9.png(27KB)
--------cloud_request.gif(1.51MB)
--------gcloud-build-step6.png(61KB)
--------gcloud-build-step4.png(67KB)
--------gcloud-build-step8.png(102KB)
--------local_request.gif(103KB)
--------gcloud-build-step7a.png(57KB)
--------gcloud-build-step1.png(61KB)
----cloudbuild.yaml(988B)
----README.md(18KB)
----request_test()
--------loop_post.py(933B)
--------loop_get.py(807B)
--------example.json(156B)
----train()
--------boston_problem.py(457B)
--------ml-model.pkl(707B)
--------example.json(156B)