使用Amazon Sagemaker分發DataBricks ML型號
Databricks與Amazon Sagemaker集成使用MLFLIF，以便為實時模型提供機器學習模型，用於服務和REST API集成。
特征
Databricks包含MLFLIF用於機器學習生命周期管理
mlflow跟蹤
記錄和查詢數據科學實驗
MLFLIF項目
包數據科學代碼以可重複的格式運行在任何平台上Beplay体育安卓版本
MLFLIF模型
在不同服務環境中部署機器學習模型
mlflow模型注冊表
存儲，注釋和發現中央存儲庫的模型
好處
生產準備
使用Amazon Sagemaker，您可以直接將模型部署到帶有幾次點擊次的生產準備托管環境中。Sagemaker將提供一個HTTPS端點，您可以集成到Web應用程序中。一個很棒的例子是一個網站，預測顧客建議的產品。該模型可以應用於人及其選擇，並提供一個下一個預測的項目，然後網站可以轉換為網頁優惠。
建造
要集成MLFLIF和Amazon Sagemaker，構建新的MLFLIF SAGEMAKER映像，將其分配一個名稱，然後按到ECR。此功能構建MLFLIF Docker圖像。圖像是在本地構建的，它需要碼頭運行。將圖像按當前活動的AWS帳戶和當前活動的AWS區域推送到ECR。
部署
要將模型部署在Sagemaker作為REST API端點上，當前活動的AWS帳戶需要設置正確的權限。默認情況下，除非指定了異步標誌，否則此命令將阻止，直到部署過程完成（明確地成功或失敗）或指定的超時過去。
有關部署的REST API端點接受的輸入數據格式的更多信息，請參閱這篇文檔。
