Ambalare și containerizare

Machine Learning End-to-End

Joshua Stapleton

Machine Learning Engineer

Deployment și containerizare

Deployment

Ambalarea modelului și a dependențelor în unități
Pentru rulare în medii diferite
Framework standard pentru containerizare și deployment: Docker

Faza de deployment în ciclul de viață al machine learning

Docker

Platformă pentru simplificarea dezvoltării cu containere

Containere:

Ambalează aplicația în unități independente
Concepute ca independente de platformă
Obțineți Docker

Curs DataCamp Docker

Logo Docker

Utilizarea Docker - partea 1

Dockerfile: instrucțiuni pentru construirea containerului

# Use an official Python runtime as a parent image
FROM Python:3.7


# Set the working directory in the container to /app
WORKDIR /ML_pipeline


# Copy the current directory contents into the container at /app
ADD . /ML_pipeline


# Install any needed packages specified in requirements.txt
RUN pip install --no-cache-dir -r requirements.txt

Utilizarea Docker - partea 2

# ... continued
# Make port 80 available to the world outside this container
EXPOSE 80

# Define environment variable
ENV NAME World

# Run app.py when the container launches
CMD ["Python", "ML_pipeline.py"]

Construiți imaginea definită:

docker build -t heart_disease_model .

Etichetarea containerelor

Etichetare:

docker tag heart_disease_model:latest heart_disease_model:1.0

Facilitează identificarea și gestionarea imaginilor/containerelor.
Ajută la menținerea unui registru de modele detaliat și robust.
După etichetare, suntem pregătiți pentru deployment!

Deployment vizualizat ca o săgeată

Bune practici

Docker simplifică ambalarea modelelor, dar...

Gândiți-vă la securitate
Nu includeți date sensibile
Folosiți imagini de încredere (de la dezvoltatori verificați)

Dacă aplicația conține informații sensibile...

Utilizați variabile de mediu
Ex: pentru șiruri de conexiune/parole

Lacăt de securitate

Să exersăm!

Machine Learning End-to-End