生产环境中机器学习模型部署方法、开源资源、工具、框架整理分享

68 阅读 0 评论 45 点赞

我是靠谱客的博主英俊镜子，最近开发中收集的这篇文章主要介绍生产环境中机器学习模型部署方法、开源资源、工具、框架整理分享，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

机器学习的模型大多是使用python或者是R语言来写的，但是使用这些模型的软件工程师可能用的完全不是这些语言（机器学习模型有时只是一个软件中的一小部分，比如聊天机器人、自动邮箱发送系统）。统称我们都只关注机器学习模型的原理，如何构造特征，如何调整参数一类，实际模型如何在生产环境中部署呢？针对这个问题可以有下面两种解决办法：

1. 用软件工程师工作的语言来重写整个机器学习代码，但是这消耗时间和精力太多，并且像JavaScript这样的语言又不能提供很好的库来执行机器学习方法，所以这样方法是不可取的。

2. 使用API方法，Web API使跨语言应用程序可以轻松运行。如果前端开发人员需要使用ML模型来创建ML支持的Web应用程序，他们只需要从提供API的位置获取URL端点。

本资源整理了在生产环境中部署机器学习模型所需要的所有方法、工具、框架等资源列表，可以帮助用户在工业环境中部署、监视机器学习模型，方便进行版本控制、扩展和保护机器学习模型。

资源整理自网络，资源获取见源地址：https://github.com/stefanoteso/awesome-explanatory-supervision

论文资源列表