Table des matières:

Comment déployer un modèle de machine learning en production ?
Comment déployer un modèle de machine learning en production ?

Vidéo: Comment déployer un modèle de machine learning en production ?

Vidéo: Comment déployer un modèle de machine learning en production ?
Vidéo: 🎙️Comment déployer un modèle de Machine Learning en production avec BentoML 2024, Mars
Anonim

Déployez votre premier modèle de ML en production avec une simple pile technologique

  1. Formation d'un modèle d'apprentissage automatique sur un système local.
  2. Envelopper la logique d'inférence dans une application de flacon.
  3. Utilisation de docker pour conteneuriser l'application de flacon.
  4. Hébergement du conteneur Docker sur une instance AWS ec2 et utilisation du service Web.

Simplement, comment déployer un modèle de ML en production ?

Options pour déployer ton Modèle ML en production Une moyen de déployer ton modèle ML est, il suffit de sauvegarder le formé et testé modèle ML (sgd_clf), avec un nom approprié (par exemple mnist), dans un emplacement de fichier sur le production machine. Les consommateurs peuvent lire (restaurer) ce modèle ML fichier (mnist.

On peut également se demander comment déployer un modèle d'apprentissage automatique à l'aide d'un flacon ? Pour réussir déployer une modèle d'apprentissage automatique avec Flask et Heroku, vous aurez besoin des fichiers: maquette.

Les principales sections de cet article sont les suivantes:

  1. Créer un référentiel GitHub (facultatif)
  2. Créez et décapez un modèle à l'aide de données Titanic.
  3. Créez l'application Flask.
  4. Tester l'application Flask localement (facultatif)
  5. Déployez-vous sur Heroku.
  6. Testez l'application de travail.

Sachez également, qu'est-ce que cela signifie de déployer un modèle d'apprentissage automatique ?

Déploiement est la méthode par laquelle vous intégrez un modèle d'apprentissage automatique dans un environnement de production existant pour prendre des décisions commerciales pratiques basées sur des données. C'est l'une des dernières étapes de la apprentissage automatique cycle de vie et peut être l'un des plus lourds.

Comment déployez-vous en production ?

Dans cet esprit, parlons de quelques moyens de déployer en douceur en production sans risquer la qualité

  1. Automatisez autant que possible.
  2. Créez et emballez votre application une seule fois.
  3. Déployez toujours de la même manière.
  4. Déployez à l'aide des indicateurs de fonctionnalité dans votre application.
  5. Déployez en petits lots et faites-le souvent.

Conseillé: