在Kubernetes上部署机器学习模型 将机器学习(ML)模型部署到生产环境中的常见模式(例如,使用SciKit Learn或Keras软件包(适用于Python)训练的ML模型,它们准备提供新数据的预测)是将这些ML公开为RESTful API微服务,从容器中托管。 然后可以将它们部署到云环境中,以处理维持连续可用性所需的一切,例如,容错,自动扩展,负载平衡和滚动服务更新。 持续可用的云部署的配置详细信息特定于目标云提供商-例如,Amazon Web Services的部署过程和拓扑与Microsoft Azure的部署过程和拓扑不同,而后者与Microsoft Azure的部署过程和拓