SAP云平台是一套开放的软件、平台和基础设施即服务系统。在本文中，我将解释如何在Cloud Foundry环境中部署机器学习模型（它包含SAP云平台、Cloud Foundry运行时服务，使您能够开发新的业务应用程序和业务服务，支持多种运行时、编程语言、库和服务）。
在这里，我假设您对机器学习有基本的了解，并且您的试用帐户可以在SAP云平台上使用
我在本文中使用的机器学习模型是预测心力衰竭导致的死亡率。您可以从Github（云平台）下载完整的代码-主.zip)
https://github.com/SAP-samples/cloud-platform-ml-deploy
或者您可以按照本文中的所有步骤部署自己的机器学习模型。
从Github下载后，国内大数据公司排名，解压缩文件。现在打开cloud platform ml deploy main文件夹，您将发现以下文件：
云铸造通常使用额外的元数据文件来理解正在部署的应用程序。有三个相当重要的元数据文件，它们是：
Procfile:Procfile（没有扩展名）告诉CloudFoundry在部署应用程序时要做什么。通常，它只是一个命令，比购返利，让一段代码运行，比如说"python"运行.py". 我们的Procfile也很简单——我们只需要告诉cloudfoundry运行服务器.py’. 所以，继续；打开Procfile，你会看到：
注意前面的"web:"：它告诉cloudfoundry应该在HTTP上下文中运行以下命令。
运行时.txt: 运行时.txt告诉Cloud Foundry要运行哪个版本。这不是每个软件的必修课；但是由于我们使用的是Python，我们应该显式地设置运行时版本，以免遇到Python问题。如果您使用的是python3.8，那么在这里输入Python-3.8.5。也要注意小版本。要求.txt: 要求.txt包含项目的依赖项。例如，物联网展会，在我们自己的项目中，我们使用的是Flask，它通常不与Python绑定，因此是一个外部依赖项。为了让CloudFoundry知道您也需要在他们的服务器上安装Flask，您需要使用要求.txt.
文件夹中的其他文件是清单.yml, 应用程序类型，泡菜_型号.pkl, 主.py
维护.yml：此文件包含应用程序的名称、主机名、内存和磁盘分配，等
应用程序类型：用于机器学习的基于Flask的python HTTP Post API.
pickle_型号.pkl：对于机器学习模型
主.py：虽然部署时不需要，但如果需要更改ML模型，则会添加。
一旦所有文件准备就绪，您只需使用Cloud Foundry命令行界面（CLI）将它们部署到SAP云平台上即可。
从Cloud Foundry网站下载最新的命令行界面（CLI）。使用以下网址：
https://github.com/cloudfoundry/cli/wiki/V7-cli-Installation-Guide。
打开命令行界面，大数据是，导航到文件夹并键入。
用SAP Cloud Platform试用帐户中的API端点替换。
这将要求您提供SAP Cloud Platform帐户凭据。认证成功后，您就可以部署您的第一个机器学习模型了。
现在您就可以开始部署了。使用以下命令部署。
一旦成功完成，您将在命令提示符上看到详细信息。
但是还有一个关键步骤尚未完成，因此不要关闭此命令提示符，您需要测试您的机器学习模型。一种方法是你可以编写一个花哨的前端应用程序来使用这个服务，或者你可以使用任何提供与HTTP API交互功能的工具/应用程序。
这里我们将使用Postman应用程序使用HTTP POST方法向我们部署的服务发送JSON请求。从routes部分提供的命令提示符复制URL。在我们的例子中，以下是邮递员请求的URL.
打开邮递员工具，现在我们将在body选项卡下发送预测的输入详细信息。首先，从下拉"POST"方法中选择，然后友好地以JSON格式输入输入详细信息，然后按发送：
听到故障预测结果将出现在结果窗口中，在本例中，我们返回0和1。
我希望您会发现此信息有用，游戏返利平台，并尝试在SAP云平台上部署您自己的机器学习模型。请在评论部分给出您的反馈和建议。
