欢迎来到机器学习的世界，这是一个计算机通过数据学习并进行预测而无需显式编程的领域。这项技术的核心概念是“模型”。
什么是模型？
在传统编程中，我们创建接收输入/参数并基于公式返回结果的函数/方法。例如，想象一个应用公式 y = 3x + 1 的Java方法。
以上代码将返回 x 和 y 的以下数据：
现在，想象一下，你不再拥有公式，而是有大量的 x 和 y 值。您可以创建一个机器学习模型来发现公式并预测新值。
作为一个现实生活的例子，我们可以使用手机相册中的人脸识别。我们有多个输入（照片）和输出（人名），而机器学习模型就是知道如何识别人脸的公式。当你给照片上的人起名字时，你不断地向模型提供数据，以便不断地重新训练模型以更好地识别那些人。
Python：机器学习的语言
Python已经成为机器学习的事实标准语言。它的庞大库生态系统，包括TensorFlow和Keras，使其成为构建和训练模型的强大工具。如果您对进入机器学习的世界感兴趣，Python将是您信赖的伙伴。
我们的模型
为了简化起见，我们将使用上述的 x 和 y 数据来训练一个模型，该模型将知道如何基于 x 预测一个 y 值。
运行上述Python代码以创建、训练和测试模型。它将在 ./model 目录下创建模型。
提供模型服务
一旦您创建了模型并将其放在 ./model 目录下，您可以将其作为REST API进行提供。为此，您可以使用 tensorflow/serving 容器镜像：
使用模型
一旦您的容器启动并运行，您可以发送请求进行推理。运行以下命令为 x = 10 推断 y 值：
您应该会看到类似于以下的结果：
就这些了，伙计们！
您刚刚创建、训练、提供了您的第一个机器学习模型，并使用它进行了推断。您可以在GitHub上找到本文中使用的源代码。您可以随时在评论中提问，并敬请关注更多内容。