tensorflow - Tensorflow 服务器是否提供/支持非基于 TensorFlow 的库，如 scikit-learn？

Question

实际上，我们正在创建一个能够将 AI 用例投入生产的平台。TFX 是首选，但如果我们想使用非基于 tensorflow 的库（如 scikit learn 等）并希望包含 python 脚本来创建模型，该怎么办。这种模型的输出将由 tensorflow 服务器提供。如何确保能够在一个系统设计中同时运行基于 tensorflow 的模型和非基于 tensorflow 的库和模型。请建议。

Answer 1

下面提到的是过程 toDeploy和Servea Sci-kit Learn Modelin Google Cloud Platform。

第一步是使用以下代码保存/导出 SciKit 学习模型：

from sklearn.externals import joblib
joblib.dump(clf, 'model.joblib')

下一步是将model.joblib文件上传到Google Cloud Storage.

之后，我们需要创建我们的模型和版本，指定我们正在加载一个scikit-learn model，并选择 的runtime version，Cloud ML engine以及Python我们用来导出这个模型的版本。

接下来，我们需要将数据呈现Cloud ML Engine为一个简单的数组，编码为 json 文件，如下所示。我们也可以使用JSON Library。

print(list(X_test.iloc[10:11].values))

接下来，我们需要运行以下命令来执行推理，

gcloud ml-engine predict --model $MODEL_NAME --version $VERSION_NAME --json-instances $INPUT_FILE

如需更多信息，请参阅此链接。