详细内容或原文请订阅后点击阅览
数据科学家的Docker容器指南
如何使您的ML模型能够在Docker容器的数据科学家指南后首先出现在数据科学方面。
来源:走向数据科学ML需要在某个地方运行的ML。这很可能不是您本地的机器。在生产环境中运行的不太良好模型比永远不会离开本地机器的完美模型要好。
但是，生产机通常与您开发模型开发的机器不同。因此，您将模型运送到生产机器上，但是该模型不再起作用。那很奇怪，对吗？您测试了本地机器上的所有内容，并且效果很好。您甚至编写了单元测试。
发生了什么事？生产机器很可能与您的本地机器不同。也许它没有安装所有需要的依赖项来运行您的模型。也许已安装的依赖项在不同的版本上。可能有很多原因。
您如何解决此问题？一种方法可能是精确复制生产机器。但这对于每台新生产机器来说都是非常不灵活的，您需要构建本地副本。
一种更好的方法是使用Docker容器。
dockerDocker是一种工具，可帮助我们在容器中创建，管理和运行代码和应用程序。容器是一个小的隔离计算环境，我们可以包装及其所有依赖项的应用程序。在我们的情况下，我们的ML模型具有所有需要运行的库。这样，我们不需要依靠主机上的安装内容。 Docker容器使我们能够将应用程序与基础基础结构分开。
Docker容器例如，我们在本地包装我们的ML模型并将其推到云中。这样，Docker帮助我们确保我们的模型可以随时随地运行。使用Docker对我们有几个优势。它可以帮助我们更快地提供新的模型，提高可重复性并使协作更轻松。这都是因为无论我们在何处运行容器，我们都有完全相同的依赖关系。
什么是容器？
一个容器具有五个主要功能。
独立的 隔离 独立 便携式 轻量级 在这里-t