1. 谈谈机器学习模型的部署：
https://www.jianshu
.com/p/ad2bfc08b9e2
随着机器学习的广泛应用，如何高效的把训练好的机器学习的模型部署到生产环境，正在被越来越多的工具所支持。我们今天就来看一看不同的工具是如何解决这个问题的。
上图的过程是一个数据科学项目所要经历的典型的过程。从数据采集开始，经历数据分析，数据变形，数据验证，数据拆分，训练，模型创建，模型验证，大规模训练，模型发布，到提供服务，监控和日志。诸多的机器学习工具如Scikt-Learn、Spark、Tensorflow、MXnet、PyTorch提供给数据科学家们不同的选择，同时也给模型的部署带来了不同的挑战。
2. Sklearn机器学习模型上线：https://blog.csdn.net/u010654299/article/details/104353687
3. 使用python做的机器学习模型如何在java web上部署？：https://www.zhihu.com/question/344630570/answer/814940615
4. 机器学习——Java调用sklearn生成好的Logistic模型进行鸢尾花的预测：https://baijiahao.baidu.com/s?id=1697002103909139661&wfr=spider&for=pc
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之家整理，本文链接：https://www.bmabk.com/index.php/post/162819.html
