机器学习模型部署gRPC and RESTfull

 非专业人的技术之路，从入门到精通再到放弃！！！~~~~

        关键词：模型部署，机器学习，深度学习，grpc，RESTfull ，flask，docker，TF Sering

图片引用[模型部署] 模型分布式服务部署方案：grpc，flask；docker（感谢各位大佬分享，尊重知识产权，引用标注不明确或者其他问题请及时联系我，感谢各位大佬）       

      1. gRPC 

      2. RESTfull 

       很多朋友看到下述这些内容会有些懵逼的感觉，最初我也是很懵逼（非计算机专业），但是再想想微服务或者服务这个概念似乎就没有那么难以理解，我们做出的算法模型无论是否优秀都需要进行验证（算法模型为业务提供某种服务），算法模型部署生产才会有真正的价值体现，个人才会有真正的成长。

        Google tensorflow 是经典的机器学习与深度学习模块，tensorflow Serving提供两种模型部署方式，即TF Serving客户端和服务端的通信方式有两种gRPC和RESTfull APl模式，文本案例中使用 docker容器模式进行部署，如果你不了docker容器，建议你直接放弃使用docker直接部署体验就好，避免太复杂让很多人一头雾水，放弃docker（算法模型——>服务器Windows或者Linux——>服务端——>客户端）

具体内容参见https://www.jianshu.com/p/afe80b2ed7f0

        作者最初看到模型部署方案是关于PMML文件模型部署形式《将机器学习模型部署为REST API》，不过尝试很久最终放弃，PMML文件模式的模型部署方案已经有很多文章进行讲述这里就不多说。总之是过去式了吧？

具体内容参见https://blog.csdn.net/demm868/article/details/103053072

机器学习and深度学习算法模型部署方案总结

接下来详细简介flask restfull and grpc 部署案例