用于部署 python 机器学习模型的通用 Web servers/frameworks？
Common web servers/frameworks for deploying python machine learning models?
我注意到 Databricks MLFlow and Amazon Sagemaker 都使用了 Nginx、Gunicorn 和 Flask 的组合。
我想知道这是否会成为部署机器学习模型（例如 Scikit-learn、Tensorflow、Keras）的标准堆栈。
如果是这样，是否有理由使用它们而不是像 Tornado 这样的替代品？
如果没有，有没有"standard stack"
我想，选择 Flask 而不是 Tornado 作为包装 ML 的网络框架的主要原因是 Flask 简单但功能丰富（使用插件）。 ML 通常是 CPU 和 RAM 绑定，Tornado 的主要优势是有效处理 IO 绑定操作，而 ML 则不是这样。但是选择 Tornado for ML 意味着更复杂的开发以实现零收益。如果您在 Tornado 中拥有主应用程序（如果您确实需要）并使用带有 Flask 的 ML 作为主应用程序的微服务，那将是更明智的做法。
我注意到 Databricks MLFlow and Amazon Sagemaker 都使用了 Nginx、Gunicorn 和 Flask 的组合。
我想知道这是否会成为部署机器学习模型（例如 Scikit-learn、Tensorflow、Keras）的标准堆栈。
如果是这样，是否有理由使用它们而不是像 Tornado 这样的替代品？
如果没有，有没有"standard stack"
我想，选择 Flask 而不是 Tornado 作为包装 ML 的网络框架的主要原因是 Flask 简单但功能丰富（使用插件）。 ML 通常是 CPU 和 RAM 绑定，Tornado 的主要优势是有效处理 IO 绑定操作，而 ML 则不是这样。但是选择 Tornado for ML 意味着更复杂的开发以实现零收益。如果您在 Tornado 中拥有主应用程序（如果您确实需要）并使用带有 Flask 的 ML 作为主应用程序的微服务，那将是更明智的做法。