数据科学家创建机器学习模型后，他们必须将其部署到生产环境中。要在不同的基础架构上运行它，使用容器并通过RESTAPI公开模型是部署机器学习模型的常用方法。本文演示了如何在Podman容器中使用Connexion以使用RESTAPI启动TensorFlow机器学习模型。准备工作首先，使用以下命令安装Podman：sudodnf-yinstallpodman接下来，为容器创建一个新文件夹并切换到该目录。mkdirdeployment_container&&cddeployment_container用于TensorFlow模型的RESTAPI下一步是为机器学习模型创建RESTAPI。这个github存储库包含一个预训练模型，以及使RESTAPI工作的设置。使用以下命令将其克隆到deployment_container目录中：gitclonehttps://github.com/svenboesiger/titanic_tf_ml_model.gitprediction.py和ml_model/prediction.py可以进行Tensorflow预测，20x20x20神经网络的权重位于文件夹ml_model/。swagger.yamlswagger.yaml使用Swagger规范定义了Connexion库的API。此文件包含您的服务器提供输入参数验证、输出响应数据验证和URL端点定义所需的所有信息。此外，Connexion还将为您提供一个简单但有用的单页Web应用程序，它演示了如何使用Javascript调用API和更新DOM。招摇：“2.0”信息：描述：这是与我们的服务器代码版本一起使用的招摇文件：“1.0.0”标题：TensorflowPodmanArticleconsumes：-“application/json”产生：-“application/json”basePath：“/"paths:/survival_probability:post:operationId:"prediction.post"tags:-"Prediction"summary:"服务端应用提供的预测数据结构"description:"找回泰坦尼克号灾难的幸存几率"parameters:-in:bodyname:passengerrequired:trueschema:$ref:'#/definitions/PredictionPost'responses:'201':description:'SurvivalprobabilityofanindividualTitanicpassenger'definitions:PredictionPost:type:objectserver.py和要求。txtserver.py确定了启动Connexion服务器的入口点。importconnexionapp=connexion.App(__name__,specification_dir='./')app.add_api('swagger.yaml')if__name__=='__main__':app.run(debug=True)requirements.txt定义需要运行的程序蟒蛇包。connexiontensorflowpandas容器化！为了让Podman构建镜像，在上面准备步骤中创建的deployment_container目录中创建一个名为Dockerfile的新文件：FROMfedora:28#FileAuthor/MaintainerMAINTAINERSvenBoesiger
