导读：近期更新了「model_serving」的相关内容，包括《如何用容器化方式部署AutoML服务以提升推理效率？》。如果《model_serving》对你有帮助，请转发和分享本内容。知识因分享而拥有更大能量，感谢您成为这传播链条中的重要一环。
如何用容器化方式部署AutoML服务以提升推理效率？ 把AutoML训练好的模型直接丢到裸机跑推理，常常遇到环境依赖冲突和扩容缓慢的问题。容器化部署通过将模型文件、预处理脚本与特定版本的深度学习框架打包成镜像，能够实现一次构建多处运行。本文围绕AutoML服务容器化，剖析镜像分层设计如何缩小体积，说明基于Kubernetes的弹性伸... 栏目：Docker 时间：08-17 containerization AutoML model_serving
