Un rapide coup d' oeil à deux façons de mlflow et Seldon, le contenu d'apprentissage pertinents enregistrés comme suit:
mlflow
https://github.com/mlflow/mlflow
1, le modèle de formation:
$ exemples Python / sklearn_logistic_regression / train.py (formation en arrière - plan, besoin d'attendre)
2, seront déployés en tant que modèle de service:
mlflow $ modèles servent pistes --model-uri: / <RUN-ce qui précède id mentioned> / Modèle
3, l'appel de service de déploiement
boucle -d $ { "colonnes" : [0], "index": [0,1], "données": [[1], [- 1]]} 'Contenu » -H -type: application / JSON « localhost: 5000 / invocations
Seldon
https://docs.seldon.io/projects/seldon-core/en/latest/examples/iris.html
au même répertoire de niveau sont d' autres exemples