文件名称:使用Flask部署Keras深度学习模型:在Keras中构建深度神经网络模型,并在Google App Engine上使用Flask部署REST API以进行生产
文件大小:677KB
文件格式:ZIP
更新时间:2024-02-24 19:06:38
python machine-learning deep-learning neural-network tensorflow
零生产 不建议按如下所示部署生产模型。 这只是一个快速入门的端到端示例。 本指南向您展示如何: 建立一个可预测纽约市Airbnb价格的深度神经网络(使用scikit-learn和Keras) 建立一个REST API,根据模型预测价格(使用Flask和gunicorn) 在Google App Engine上将模型部署到生产环境 快速开始 要求: Python 3.7 Google Cloud Engine帐户 克隆此存储库: git clone git@github.com:curiousily/End-to-End-Machine-Learning-with-Keras.gi
【文件预览】:
Deploy-Keras-Deep-Learning-Model-with-Flask-master
----app.py(555B)
----price_prediction()
--------price_prediction.ipynb(972KB)
----assets()
--------data_transformer.joblib(3KB)
--------price_prediction_model.h5(69KB)
----app.yaml(241B)
----LICENSE(1KB)
----test_api.py(368B)
----requirements.txt(100B)
----.gitignore(1KB)
----README.md(1KB)