机器学习模型持续部署(基于Flask, Docker, Jenkins 和 Kubernets )
本文主要介绍部署机器学习模型的一种自动化方式,如题所示,通过Flask,Docker,Jenkins和Kubernets实现。基本原理就是通过Flask提供RESTfulAPI接收客户端的predict请求,然后将这个服务打包成一个dockerimage便于部署和迁移,当代码或模型更新时通过Jenkins触发自动构建新的dockerimage,而通过kubernets管理容器则让整个服务具备伸缩性