Emballage et conteneurisation

Apprentissage Machine de bout en bout

Joshua Stapleton

Machine Learning Engineer

Déploiement et conteneurisation

Déploiement

Regrouper le modèle + dépendances en unités
Pour l'exécuter dans divers environnements
Cadriciel de facto pour la conteneurisation et le déploiement : Docker

Phase de déploiement du cycle de vie de Machine Learning

Docker

Plateforme qui simplifie le développement avec des conteneurs

Conteneurs :

Emballent l'application en actifs autonomes
Conçus pour être indépendants de la plateforme
Get Docker

DataCamp Docker Course

Logo de Docker

Utiliser Docker : partie 1

Dockerfile : instructions pour construire un conteneur

# 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

Utiliser Docker : partie 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"]

Construire l'image définie :

docker build -t heart_disease_model .

Étiqueter des conteneurs

Étiquetage :

docker tag heart_disease_model:latest heart_disease_model:1.0

Facilite l'identification et la gestion des images/conteneurs.
Aide à tenir un registre de modèles détaillé et robuste.
Une fois étiqueté, prêt pour le déploiement !

Le déploiement représenté par une flèche

Bonnes pratiques

Même si Docker facilite l'emballage des modèles...

Pensez sécurité
N'incluez pas de données sensibles
Utilisez des images fiables (développeurs vérifiés)

Si votre application contient des renseignements sensibles...

Utilisez des variables d'environnement
P. ex. : pour des chaînes de connexion/mots de passe

Cadenas de sécurité

Passons à la pratique !

Apprentissage Machine de bout en bout