假设您正在进行一个机器学习 (ML) 项目,并且您已经找到了您的冠军模型。接下来会发生什么? 对许多人来说,这个项目就结束了,他们的模型被孤立地放在 Jupyter 笔记本上。其他人则会主动地将他们的笔记本转换为某种生产级代码的脚本。
这两个端点都限制了项目的可访问性,
需要了解 GitHub 和 Bitbucket 等托管站点的源代码
。一个更好的解决方案是将您的项目转换为一个可以部署在内部服务器上的前端原型。
虽然原型可能不是生产标准,但它是公司用来为利益相关者提供对拟议解决方案的洞察力的有效技术。这使得公司能够收集反馈,并在未来开发更好的迭代。
2. 可以处理请求的后端
然而,这两个需求的构建都需要花费大量的时间。在本教程中,您将学习如何使用 Streamlit 作为前端和 FastAPI 作为微服务快速构建您自己的机器学习 web 应用程序,从而简化流程。在
Building a Machine Learning Microservice with FastAPI
中了解更多有关微服务的信息。
您可以使用
kurtispykes/car-evaluation-project GitHub
存储库中的代码尝试本教程中的应用程序。