model-deployment-with-fastapi-azure-and-docker-10e5cfbc1f4f.md

使用 FastAPI、Azure 和 Docker 进行模型部署

原文：towardsdatascience.com/model-deployment-with-fastapi-azure-and-docker-10e5cfbc1f4f?source=collection_archive---------2-----------------------#2024-09-28

使用 FastAPI 服务机器学习模型的完整指南

Sabrine Bendimerad

·发表于Towards Data Science ·10 分钟阅读·2024 年 9 月 28 日

--

pixabay.com

欢迎来到我MLOps 系列的第三篇文章。在第一篇文章中，我们探讨了 Docker 及其如何简化应用程序打包。在第二篇文章中，我们使用MLflow、Azure和Docker来管理机器学习模型。现在，在这一第三部分，我们将通过构建一个FastAPI应用程序，将我们之前存储的模型部署到 Azure 上，从而将所有内容整合起来。这将允许我们创建一个全球可访问的预测服务！

什么是 API？

API就像一座桥梁。当你与 Python 中的库进行交互时，你就是在使用它的 API。它是一个应用程序的公开部分，你可以与之交互，而其背后的所有内容则是隐藏的。

API 通常用于与 Web 应用程序进行通信，它们提供一组返回数据的 URL（你发送带有一些参数的请求，并收到响应）。通常，数据以像 JSON 或 XML 这样的格式返回，这些格式易于解析。这与返回 HTML 的网页不同，HTML 包括渲染页面所需的信息。通过 API，你只会得到原始数据。

有些 API 是公开的，而其他的是私有的。在构建 API 时，你决定分享哪些数据，以及如何分享……