自动部署PMML模型生成REST API

目录

• DaaS介绍
• PMML简介
• 模型部署准备
• 部署实时预测Web服务
• 部署自定义实时预测Web服务
• 部署离线批量预测任务服务
• 部署模型评估任务服务
• 总结
• 参考

DaaS介绍

DaaS（Deployment-as-a-Service）是AutoDeployAI公司推出的AI模型自动部署系统，支持PMML，Scikit-learn，XGBoost，LightGBM，Spark以及主流深度学习ONNX，Keras，TensorFlow，Pytorch，MxNet等多种模型的部署。

DaaS基于Kubernetes构建，提供可靠和可扩展的模型部署服务，弹性部署用户AI和ML解决方案到生产环境中。用户可以自由选择在公有云或私有云的Kubernetes上安装DaaS系统，以满足用户对AI部署的多样需求。本文中的DaaS演示系统部署在本地的Minikube上。

DaaS设计框架：

PMML简介

PMML是一套与平台和环境无关的AI模型序列化标准，为模型的跨平台部署提供了基础，简化了部署流程，可实现模型的快速上线。关于PMML的详细信息，可以参考文章《使用PMML部署机器学习模型》。

模型部署准备

DaaS系统提供多种模型部署方式，下面，我们演示在DaaS系统中如何部署模型，生成Web服务；如何通过REST API测试Web服务；以及如何部署任务来执行批量离线预测和模型评估操作。

在部署模型之前，我们需要完成以下操作：

1. 打开浏览器，登陆DaaS系统。

   

2. 创建项目。登陆成功后，进入项目列表页，点击新建项目。

   

   DaaS使用项目来管理用户的不同分析任务。项目中可以包含模型、部署、程序脚本、数据、数据源等多种分析资产。