पैकेजिंग और कंटेनराइज़ेशन

एंड-टू-एंड मशीन लर्निंग

Joshua Stapleton

Machine Learning Engineer

डिप्लॉयमेंट और कंटेनराइज़ेशन

डिप्लॉयमेंट

मॉडल + डिपेंडेंसीज़ को यूनिट्स में पैक करना
अलग-अलग एनवायरनमेंट में चलाने के लिए
कंटेनराइज़ेशन और डिप्लॉयमेंट का डिफ़ॉल्ट फ्रेमवर्क Docker है

मशीन लर्निंग लाइफसाइकिल का डिप्लॉयमेंट चरण

Docker

कंटेनर्स से डेवलपमेंट सरल करने का प्लेटफ़ॉर्म

कंटेनर्स:

ऐप को स्टैंडअलोन एसेट्स में पैकेज करते हैं
प्लेटफ़ॉर्म-अज्ञेय डिज़ाइन किए गए
Get Docker

DataCamp Docker Course

Docker लोगो

Docker उपयोग भाग 1

Dockerfile: कंटेनर बनाने के निर्देश

# 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

Docker उपयोग भाग 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"]

परिभाषित इमेज बनाइए:

docker build -t heart_disease_model .

कंटेनर्स की टैगिंग

टैगिंग:

docker tag heart_disease_model:latest heart_disease_model:1.0

इमेजेज/कंटेनर्स पहचानना और मैनेज करना आसान होता है।
विस्तृत और मज़बूत मॉडल रजिस्ट्री बनाए रखने में मदद मिलती है।
टैगिंग के बाद, हम डिप्लॉय करने के लिए तैयार हैं!

तीर के रूप में दिखाया गया डिप्लॉयमेंट

सर्वोत्तम प्रथाएँ

हालाँकि Docker से मॉडल पैकेजिंग आसान हो जाती है...

सुरक्षा पर ध्यान रखें
संवेदनशील डेटा न जोड़ें
ट्रस्टेड इमेजेज (वेरिफ़ाइड डेवलपर्स से) उपयोग करें

यदि आपकी एप्लिकेशन में संवेदनशील जानकारी है...

एनवायरनमेंट वैरिएबल्स उपयोग करें
जैसे: कनेक्शन स्ट्रिंग्स/पासवर्ड्स

सुरक्षा लॉक

अभ्यास करते हैं!

एंड-टू-एंड मशीन लर्निंग