我有一个 sklearn 模型，我想使用 joblib.dump 将泡菜文件保存在我的 s3 存储桶中
我joblib.dump(model, 'model.pkl')以前在本地保存模型，但不知道如何将其保存到s3存储桶。
s3_resource = boto3.resource('s3')
s3_resource.Bucket('my-bucket').Object("model.pkl").put(Body=joblib.dump(model, 'model.pkl'))
我希望腌制文件在我的 s3 存储桶上。
我正在使用 Lambda 处理程序加载腌制的机器学习模型，因此我需要 sklearn（如果未包含，我会收到“ModuleNotFoundError：没有名为 'sklearn' 的模块”）
因此，我使用 sklearn 在 Docker 中创建了一个新的部署包。
但是当我尝试上传新的 lambda.zip 文件时，我无法保存 lambda 函数。我收到错误：解压后的大小必须小于 262144000 字节
我做了一些谷歌搜索，发现了两个建议：(1)将 CLFAG 与 PIP 结合使用，(2)使用 Lambda Layers。
我不认为图层会起作用。将我的部署包的部分内容移动到层不会减少总大小（并且AWS 文档指出“函数和所有层的解压缩总大小不能超过解压部署包大小限制 250 MB”。
CFLAGS 听起来很有希望，但我以前从未使用过 CFLAGS，并且遇到了错误。
我正在尝试添加标志：-Os -g0 -Wl,--strip-all
在 CLFAGS 之前，我的 docker pip 命令是：pip3 install requests pandas s3fs datetime bs4 sklearn -t ./
首先我尝试：pip3 install requests pandas s3fs datetime bs4 sklearn -t -Os -g0 -Wl,--strip-all ./
这产生了各种错误“没有这样的选项：-g”
然后我尝试了CFLAGS = -Os -g0 -Wl,--strip-all pip3 …