Flask 端點與 Sagemaker 端點

Question

我想構建一個簡單的網絡應用程序，其中一個人將輸入汽車的一些參數，我的機器學習算法將根據參數預測汽車的價格。 我想學習 aws，因此想在那里部署和托管所有內容。

通過檢查網站和教程，我確定了我需要執行的以下步驟：

1. 收集數據，訓練模型
2. 圍繞腌制模型構建 Flask api 以提供預測服務
3. 創建漂亮的 css/html 前端
4. 創建泊塢窗圖像
5. 將 docker 圖像推送到 AWS ECR 廣告上傳模型工件到 S3
6. 創建 Sagemaker 預測端點
7. 使用 Chalice 創建 API 端點

我不明白的是：

1. 如果我已經有一個可以預測價格的燒瓶端點，為什么我需要創建一個 sagemaker 端點（和 Chalice 端點）？ 我不能分拆將調用flask端點並給出預測的EC2實例嗎？
2. 我描述的步驟是使用 ML 模型創建 Web 應用程序並將其部署到 AWS 的最有效方法嗎？

很高興了解您的意見！

Answer 1

顯然有許多不同的架構可以實現您想要做的事情。

這是一個對我有用的實現類似的東西：

1) 設置 AWS S3/RDS 用於數據存儲/收集等 - 您可以使用 S3 存儲用於訓練的數據以及用戶可以從您的 Web 應用程序上傳數據的地方。 您可以使用 RDS 存儲任何元數據並跟蹤 S3 存儲桶中的所有項目。

2) 使用 Elastic Beanstalk 托管您的 Web 應用程序。 我已經構建了一些 Django 應用程序（而不是 Flask）並且能夠使用 Elastic Beanstalk 輕松集成、部署等應用程序。 此外，Elastic Beanstalk 附帶了一系列功能，可幫助您輕松管理網站上的流量。

3) 使用 Sagemaker 部署您的模型。 部署后，您可以非常輕松地使用 Amazon 的 SDK Boto3，在您的 Web 應用程序和模型之間發送數據以進行預測。

總體思路是將數據、Web 應用程序和模型拆分為單獨的部分，以便您在找到更合適的解決方案時可以輕松地將架構的一部分替換為另一部分。