文件名称：机器学习微服务API的可操作性：使用kubernetes操作机器学习微服务
文件大小：219KB
文件格式：ZIP
更新时间：2024-03-11 12:52:43
Python
机器学习微服务API的可操作性 该项目是Udacity Cloud Devops纳米学位计划的一部分。 在该项目中，部署了一个容器化的Flas应用程序，以通过API调用提供有关房价的预测。 使用经过训练的sklearn模型，可根据多种功能预测波士顿的住房，例如房屋中的平均房间和有关高速公路通行性的数据，师生比等。 项目程序 使用Linting测试项目代码 完成一个Dockerfile来容器化此应用程序 使用Docker部署容器化应用程序并做出预测 配置Kubernetes并创建Kubernetes集群 使用Kubernetes部署容器并进行预测 使用CircleCI上传完整的Github存储库以表明代码已经过测试 文件分类 run_kubernetes.sh：在kubernetes中运行应用程序的文件 upload_docker.sh：用于将映像上传到docker的文件 Dockerfil
【文件预览】：
Operationalize-a-Machine-Learning-Microservice-API-master
----Dockerfile(464B)
----model_data()
--------housing.csv(48KB)
--------boston_housing_prediction.joblib(665KB)
----requirements.txt(47B)
----Makefile(974B)
----upload_docker.sh(493B)
----run_docker.sh(291B)
----make_prediction.sh(384B)
----README.md(2KB)
----run_kubernetes.sh(503B)
----output_txt_files()
--------kubernetes_out.txt(59B)
--------docker_out.txt(702B)
----.circleci()
--------config.yml(1KB)
----app.py(2KB)