CRAN 任务视图:R 模型部署

维护者袁唐,詹姆斯·约瑟夫·巴拉穆塔
联系方式terrytangyuan at gmail.com
版本2022-08-24
URLhttps://CRAN.R-project.org/view=ModelDeployment
源代码https://github.com/cran-task-views/ModelDeployment
贡献欢迎对本任务视图提出建议和改进,可以通过 GitHub 上的问题或拉取请求,或通过电子邮件发送给维护者地址。有关更多详细信息,请参阅 贡献指南.
引用袁唐,詹姆斯·约瑟夫·巴拉穆塔 (2022)。CRAN 任务视图:R 模型部署。版本 2022-08-24。URL https://CRAN.R-project.org/view=ModelDeployment.
安装可以使用 ctv 包自动安装本任务视图中的包。例如,ctv::install.views("ModelDeployment", coreOnly = TRUE) 安装所有核心包,或 ctv::update.views("ModelDeployment") 安装所有尚未安装和更新的包。有关更多详细信息,请参阅 CRAN 任务视图计划.

此 CRAN 任务视图包含按主题分组的包列表,这些包提供功能来简化将模型部署到各种环境(如移动设备、边缘设备、云和 GPU)的过程,以便对新数据进行评分或推断。它补充了与 高性能计算机器学习 相关的任务视图。

模型部署通常具有挑战性,原因多种多样。一些示例挑战包括:

本任务视图中讨论的许多领域正在行业和学术界发生快速变化。请通过电子邮件将任何建议发送给维护者,或在上面链接的 GitHub 存储库中提交问题或拉取请求。感谢所有其他人提出的建议和更正。

通过不同类型的工件进行部署

本节包含提供功能的软件包,用于将训练后的模型导出为适合小型设备(例如移动设备(例如 Android、iOS)和边缘设备(Rasberri Pi))的工件。这些软件包基于不同的模型格式构建。

通过云/服务器部署

许多部署环境都基于云/服务器。以下包提供了在这些类型的环境中部署模型的功能。

CRAN 包

核心.
常规arulesarulesCBAarulesSequencescloudmldbplyrdominodplyrFastRWebh2ohttpuvibmdbRkeraslightgbmonnxopencpuplumberpmmlpmmlTransformationsRestRservereticulateRSclientRserversparklingsparklyrtensorflowtfdeploytfestimatorstidypredictvetiverxgboostyhatr.

相关链接

其他资源