以API方式--模型部署发布

综合网上及项目上的一些经验，对模型部署发布知识进行整理；
目前在项目上一共使用过两种方式：
1、常规机器学习模型：
以PMML文件部署方式：此方式在部署过程中，应该仔细检查PMML文件本身，包括变量名等；异常字符的变量名，模型生成PMML时容易出现错误；
2、模型服务：比如Tensorflow Serving，实际上是发布一个模型API接口，线上调用此接口进行预测；
项目中利用了Flask框架发布模型服务；

详见github：
https://github.com/Stonesusu/model_service
其中接口测试，一共采用两种方式：
1、Postman；
2、python代码开发；