🌈 Machine Learning Serving - BentoML 사용법 - 머신러닝 모델을 프러덕션 환경에 배포할 때 활용할 수 있는 BentoML 사용법에 대해 작성한 글입니다 - Servin

🌈 Machine Learning Serving - BentoML 사용법 - 머신러닝 모델을 프러덕션 환경에 배포할 때 활용할 수 있는 BentoML 사용법에 대해 작성한 글입니다 - Serving 라이브러리 중 각광받고 있습니다! - 현재 Github Star 2.3K네요! 🎁 제가 생각하는 BentoML의 장점 - 인퍼런스 서버 만들기 정말 간단! (5분 이내에 가능) - Online / Offline Serving 모두 지원하는 점이 마음에 듭니다 - CLI 명령어가 풍부함 - FAQ에 다른 라이브러리와 비교해줘서 명쾌함 - Adaptive Micro Batching 개념이 흥미로움 - Model Management를 위한 component가 있는 점이 인상적 - sklearn, tensorflow, xgboost, lightgbm, pytorch, fastai, onnx 등 정말 다양한 라이브러리 지원 👍 읽으면 좋은 분 - MLOps에 관심있는 분 - 머신러닝 모델을 Production에 배포해야 하는 분 - Serving에 대해 관심있는 분 📋 목차 - BentoML의 주요 특징 설명 - 사용법 - BentoML 코드로 바로 시작하기 - BentoML 핵심 개념 - 정리