文件名称：Prototypes:我用于技术演示的快速原型-通过API公开ML服务
文件大小：295KB
文件格式：ZIP
更新时间：2024-04-24 11:38:24
Python
样机 该存储库包含一个极简设置，以实现技术演示的快速原型制作。 该设置被组织为实现机器学习和模型服务之间的松散耦合。 这里的重点不是优化机器学习性能。 它还故意忽略了一些最佳安全实践！ 在目录BreastCancerPrediction_Python_Flask我创建了一个flask应用程序，以作为将乳腺癌诊断为REST服务的简单决策树模型（只需执行python脚本app.py或通过Shell脚本dockerLaunchFlaskApp.sh在app.py启动该应用程序）。 为了透明起见，我还包括了dockerfile和requirements.txt文件。 该应用程序侦听port 5000 。 样本请求脚本sampleRequest.py可用于通过CLI调用服务。 在目录BreastCancerPrediction_MLflow我使用MLflow Project进行了与上述相同的操作
【文件预览】：
Prototypes-master
----BreastCancerPrediction_MLflow()
--------myModel.pkl(3KB)
--------app.py(1023B)
--------sampleRequest.py(353B)
--------MLproject(102B)
--------conda.yaml(194B)
--------mlScript.py(2KB)
----BreastCancerPrediction_Python_Flask()
--------src()
--------sampleRequest.py(353B)
--------Dockerfile.txt(409B)
--------requirements.txt(61B)
--------dockerLaunchFlaskApp.sh(109B)
----BreastCancerPrediction_R_Plumber()
--------BreastCancerAnalysisViaR.postman_collection.json(1007B)
--------src()
----LICENSE.md(1KB)
----README.md(2KB)