Kserve文档模型存储-URI
type
status
date
slug
summary
tags
category
icon
password
网址
本文档指导如何通过模型对象的URI（统一资源标识符）来指定模型对象，这些模型对象通过
http或https端点暴露。这个
storageUri选项支持单文件模型，比如通过joblib文件指定的sklearn模型，或者包含其他模型类型（如tensorflow或pytorch）所需的所有依赖项的压缩包（如tar或zip）。这里我们将展示以上两种示例。创建HTTP/HTTPS头部密钥并附加到服务账户
HTTP/HTTPS服务请求头可以被定义为密钥并附加到服务账户。这是可选的。
注意 在推理服务中指定的serviceAccountName。这些头部将应用于具有相同主机的所有http/https请求。
头部和主机应该是base64编码格式。
Sklearn
训练和冻结模型
这里，我们将训练一个简单的鸢尾花模型。请注意
KServe需要sklearn==0.20.3。现在，冻结的模型对象可以放在网络上的某个地方来暴露它。例如，将
model.joblib文件推送到GitHub上的某个仓库。指定和创建InferenceService
应用
sklearn-from-uri.yaml。运行预测
现在，可以在
${INGRESS_HOST}:${INGRESS_PORT}访问入口，或者按照这个说明查找入口IP和端口。示例负载如下：
预期输出
上一篇
模型存储－OCI
下一篇
模型存储 - GCS
Loading...