FastAPI结合Scikit-Learn和Docker部署机器学习模型

生成和训练二分类数据，一片好文章，带源码

FastAPI and Scikit-Learn: Easily Deploy Models

https://nickc1.github.io/api,/scikit-learn/2019/01/10/scikit-fastapi.html

鸢尾花分类数据集

Serve a machine learning model using Sklearn, FastAPI, and Docker.

https://medium.com/analytics-vidhya/serve-a-machine-learning-model-using-sklearn-fastapi-and-docker-85aabf96729b

使用 Keras、FastAPI、Redis 和 Docker 部署机器学习模型

提出了一个预估和模型服务分离的架构

Web 服务器的主要功能是提供一个/predict端点，其他应用程序将通过该端点调用我们的机器学习模型。当调用端点时，Web 服务器将请求路由到 Redis，Redis 充当许多并发请求的内存消息队列。模型服务器只需轮询 Redis 消息队列中的一批图像，对这批图像进行分类，然后将结果返回给 Redis。Web 服务器获取结果并将其返回。