我有一个kubeflow管道，它训练自定义（即不基于sklear/ensorflow等类）ml模型。现在我想在管道末尾添加服务。即我想在我的库伯内特斯集群中有一个服务，它使用该模型来回答预测请求，并且该服务应该在每次管道运行后更新为新模型。
据我所知，服务于自定义模型，我应该：
>
将我的模型包装到kfservice. KFModel类中
使用包装器从1）运行创建docker映像
使用2）中的图像创建推理服务endpoint
在Kubeflow组件中是否有任何与云无关的方法可以做到这一点？（所以基本上组件必须能够构建docker映像）
有没有更好的方法来实现我的目的？
也许我应该将步骤1-3移到管道组件之外，然后创建一个将触发1-3外部执行的组件。可以这样做吗？
我不能特别提到Kubeflow，但https://buildpacks.io/提供了一种通用的方法来构建满足某些输入条件的容器（例如，“是一个带有main和要求. txt的python程序”）。创建一个新的构建包也是可能的（但更复杂）（例如，使用“实现kfservice.KFModel的python代码并包装一个main和它周围需要的任何其他东西）。我已经为python演示/etc做过几次这样的操作：
https://github.com/evankanderson/klr-buildpack https://github.com/evankanderson/pyfun
请注意，这些不是生产级的，只是我玩了一三天。
您可以使用pack命令在本地构建构建包，也可以使用多种技术在集群上构建构建包。这里有5个构建选项的详细留档：https://buildpacks.io/docs/tools/，以及https://buildpacks.io/features/.底部更长的“支持平台”列表
您绝对应该将步骤1-3移到Kubeflow Pipeline之外，不应该在每次管道运行时为您的自定义模型服务器构建docker映像。
话虽如此，您的自定义映像应该从外部源加载运行的受祝福模型，即S3/GS/minio bucket。
您确定您的模型是建立在不在K服务已经支持的模型服务器列表中的框架之上的，并且您需要创建自定义模型服务器吗？
