Python 如何将第三方ML模型加载到无服务器函数中_Python_Lambda_Scikit Learn_Serverless Framework

Python 如何将第三方ML模型加载到无服务器函数中

python lambda scikit-learn

Python 如何将第三方ML模型加载到无服务器函数中,python,lambda,scikit-learn,serverless-framework,Python,Lambda,Scikit Learn,Serverless Framework,我已经构建了一个ML模型（使用sklearn模块），我希望通过AWS API网关+Lambda函数为其提供预测服务我的问题是：由于lambda容量限制，我无法安装sklearn+numpy等。（捆绑包大于140MB）也许这是个愚蠢的问题，但是，你知道有没有更好的方法来完成这项任务吗为了减小捆绑包的大小，我尝试了本教程。但是，由于--use wheel标志，它引发了一个异常其中z_特征是我使用标量后的特征只要想清楚该解决方案基本上位于AWS Lambda层之上我创建了一个仅包含相关

我已经构建了一个ML模型（使用sklearn模块），我希望通过AWS API网关+Lambda函数为其提供预测服务

我的问题是：

由于lambda容量限制，我无法安装sklearn+numpy等。（捆绑包大于140MB）

也许这是个愚蠢的问题，但是，你知道有没有更好的方法来完成这项任务吗

为了减小捆绑包的大小，我尝试了本教程。但是，由于--use wheel标志，它引发了一个异常

其中z_特征是我使用标量后的特征

只要想清楚

该解决方案基本上位于AWS Lambda层之上

我创建了一个仅包含相关编译库的sklearn层。然后，我运行

sls包

，以便将包含这些文件的包与我自己的handler.py代码打包在一起

最后一步是跑步

sls部署——package.serverless

希望它能对其他人有所帮助。

想想看

该解决方案基本上位于AWS Lambda层之上

我创建了一个仅包含相关编译库的sklearn层。然后，我运行

sls包

，以便将包含这些文件的包与我自己的handler.py代码打包在一起

最后一步是跑步

sls部署——package.serverless

希望对其他人有帮助

    bucket = s3.Bucket(os.environ['BUCKET'])
    model_stream = bucket.Object(os.environ['MODEL_NAME'])
    model = pickle.loads(model_stream)
    model.predict(z_features)[0]