为每个 MLflow 模型调整 docker 环境

Question

想象一种情况，您有两个团队在开发某些模型，例如 XGBoost。他们 训练它，然后将模型记录到通用 MLflow 跟踪服务器。其中一个团队正在使用旧版本， 例如 1.1 和其他团队正在使用最新的 1.6 版本。

是否可以同时使用这两种模型在一个容器内进行预测， 哪个从 MLflow 跟踪服务器下载模型？由于这两个提到的模型 使用不同版本的 XGboost，并且它们将在其中运行的运行时具有 安装了某些版本的 pip 包，会有兼容性问题 -> 只有一个模型能够在此环境中运行而无需更改。但是，这两种模型都有 requirements.txt 文件保存为工件，该文件指定包版本， 给定模型需求。是否可以根据调整容器中运行的包版本 当前使用的模型使用 requirements.txt 工件文件？或者是唯一的 为每个模型创建两个单独的泊坞窗图像的解决方案 模型需要的包？

Answer 1

你可以在容器内创建两个虚拟环境（例如 conda envs）