12、自动化机器学习模型部署与优化

自动化机器学习模型部署与优化

1. 构建机器学习模型工件

1.1 启动 Jupyter Notebook

Jupyter Notebook 需要 Python 3（数据科学）内核，启动可能需要长达 2 分钟。内核启动后，从“Kernel”菜单中点击“Restart Kernel and Run all Cells …”选项，以执行所有笔记本代码单元。

1.2 生成的文件

执行完所有代码单元后，会在 Studio UI 的左侧导航面板中看到五个新文件：
- model.py
- app.py
- nginx.conf
- wsgi.py
- Dockerfile

1.3 文件功能详解

1.3.1 model.py

该文件主要负责与机器学习模型本身相关的所有任务，包含三个核心 Python 函数：
- preprocess() ：处理原始数据，对分类值进行编码，然后将数据拆分为训练集（80%）、验证集（15%）和测试集（5%）。
- train() ：编译并将 TensorFlow 模型拟合到数据上，保存训练好的模型用于评估和推理。
- evaluate() ：使用 load_model() 函数加载模型，评估训练好