Seldon Core 语言封装¶
预封装推理服务器无法覆盖自定义的用例时，可以利用我们的语言封装来将机器学习模型和逻辑容器化。
Seldon 提供的所有预封装的模型服务器都是使用语言封装构建的，这意味着如果需要，您也可以构建自己的可重复使用的推论服务器。
本页提供了有关使用预封装模型服务器时的概念和最佳实践概述。
可用封装语言¶
支持的封装语言，包括它们当前的稳定性，如下所述
已毕业封装语言¶
以下是现在稳定版的封装语言。
Python [已毕业]¶
对于任何基于 Python 的机器学习模型，都有可能使用我们的 Python 语言封装将它们装箱，并通过简单的 Python 类暴露任何逻辑。
这是目前最流行的封装（其次是 Java 封装），目前用于大量的使用案例，可用于使用基于 Keras，PyTorch，StatsModels，XGBoost，scikit-learn 的训练模型，甚至是基于自定义操作系统的专用引擎。
请参考 Python 模型封装 章节查看更多使用信息。
孵化中的封装语言¶
以下为不稳定或者未毕业的语言，但是已经有了明确的路线图和毕业战略。
Java [孵化中]¶
目前，Java 封装正在大量关键环境中使用，但我们要求 Java 封装具有与 Python 封装相同的功能级别才能毕业。你可以通过 GitHub 讨论 #1344 追踪进展。
基于Java的模型包括 H2O，Deep Learning 4J，Spark（导出的独立模型）。
请参考 使用 s2i 封装 JAVA 模型 获取有关如何进一步使用它的信息。