Flask 端点与 Sagemaker 端点

Question

我想构建一个简单的网络应用程序，人们可以在其中输入汽车的一些参数，我的机器学习算法会根据这些参数预测汽车的价格。我想学习 aws，因此想在那里部署和托管所有内容。

通过检查websites 和tutorials，我确定了我需要执行的以下步骤：

1. 收集数据，训练模型
2. 围绕腌制模型构建 Flask api 以提供预测服务
3. 创建漂亮的 css/html 前端
4. 创建一个泊坞窗图像
5. 将 docker 镜像推送到 AWS ECR 广告上传模型工件到 S3
6. 创建 Sagemaker 预测端点
7. 使用 Chalice 创建 API 端点

我不明白的是：

1. 如果我已经有一个可以预测价格的烧瓶端点，为什么还需要创建一个 sagemaker 端点（和 Chalice 端点）？我不能只分拆将调用烧瓶端点并给出预测的 EC2 实例吗？
2. 我描述的步骤是使用 ML 模型创建 Web 应用程序并将其部署到 AWS 的最有效方法吗？

很高兴了解您的意见！

Answer 1

显然有许多不同的架构可以实现您想要做的事情。

这是一个帮助我实现类似目标的方法：

1) 设置 AWS S3/RDS 以进行数据存储/收集等 - 您可以使用 S3 存储数据以进行训练，以及用户可以从您的 Web 应用程序上传数据的地方。您可以使用 RDS 存储任何元数据并跟踪 S3 存储桶中的所有项目。

2) 使用 Elastic Beanstalk 托管您的 Web 应用程序。我已经构建了一些 Django 应用程序（而不是 Flask），并且能够轻松地使用 Elastic Beanstalk 集成、部署等应用程序。此外，Elastic Beanstalk 附带一系列功能，可帮助您轻松管理网站流量。

3) 使用 Sagemaker 部署您的模型。部署后，您可以非常轻松地使用 Amazon 的 SDK Boto3 在您的 Web 应用程序和模型之间发送数据以进行预测。

总体思路是将数据、Web 应用程序和模型拆分为单独的部分，以便在找到适合的更好解决方案时可以轻松地将架构的一部分替换为另一部分。