綜合網上及項目上的一些經驗，對模型部署發佈知識進行整理；
目前在項目上一共使用過兩種方式：
1、常規機器學習模型：
以PMML文件部署方式：此方式在部署過程中，應該仔細檢查PMML文件本身，包括變量名等；異常字符的變量名，模型生成PMML時容易出現錯誤；
2、模型服務：比如Tensorflow Serving，實際上是發佈一個模型API接口，線上調用此接口進行預測；
項目中利用了Flask框架發佈模型服務；
詳見github：
https://github.com/Stonesusu/model_service
其中接口測試，一共採用兩種方式：
1、Postman；
2、python代碼開發；