文件名称：kubernetes-mlops：使用Python，Docker和Kubernetes的MLOps教程
文件大小：31KB
文件格式：ZIP
更新时间：2024-02-25 07:26:18
python docker kubernetes flask machine-learning
在Kubernetes上部署机器学习模型 将机器学习（ML）模型部署到生产环境中的常见模式（例如，使用SciKit Learn或Keras软件包（适用于Python）训练的ML模型，它们准备提供新数据的预测）是将这些ML公开为RESTful API微服务，从容器中托管。 然后可以将它们部署到云环境中，以处理维持连续可用性所需的一切，例如，容错，自动扩展，负载平衡和滚动服务更新。 持续可用的云部署的配置详细信息特定于目标云提供商-例如，Amazon Web Services的部署过程和拓扑与Microsoft Azure的部署过程和拓扑不同，而后者与Microsoft Azure的部署过程和拓
【文件预览】：
kubernetes-mlops-master
----helm-ml-score-app()
--------Chart.yaml(113B)
--------.helmignore(342B)
--------values.yaml(154B)
--------templates()
----VERSION(23B)
----seldon-ml-score-component()
--------Dockerfile(332B)
--------MLScore.py(817B)
--------Pipfile.lock(21KB)
--------Pipfile(156B)
----py-flask-ml-score-api()
--------.dockerignore(21B)
--------Dockerfile(146B)
--------Pipfile.lock(4KB)
--------py-flask-ml-score.yaml(749B)
--------Pipfile(134B)
--------api.py(1KB)
----LICENSE(1KB)
----README.md(38KB)
----.gitignore(53B)