Pada bagian ini, kita akan membangun model pengklasifikasi sederhana menggunakan Kumpulan Data Iris, setelah itu kita akan mengimpor kode dari colab dan terakhir kita menginstal dan menjalankan deploy script yang berisi model tersebut ke dalam container docker.
Model Bangunan
Di bagian ini, kita akan membangun model pengklasifikasi menggunakan bawaan sklearn Kumpulan Data Iris.
LANGKAH 1: Buat buku catatan baru di Google Colab.
LANGKAH 2 Impor dependensi.
import matplotlib.pyplot as plt
from sklearn import metrics
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
LANGKAH 3 Di sini kita akan memuat kumpulan data iris, membagi data menjadi set pelatihan dan set pengujian, dan membangun model klasifikasi.
iris = load_iris()
X = iris.data
y = iris.target
Di atas kami memuat dataset Iris.
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2 , random_state=4)
Di atas kami menggunakan fungsi train_test_split di sklearn untuk membagi kumpulan data iris menjadi kumpulan pelatihan dan kumpulan pengujian.
knn = KNeighborsClassifier(n_neighbors=10)
knn.fit(X,y)
Di atas kami membuat instance model KNeighbors Classifier dan menyetel hyperparameter n_neighbours agar memuat sepuluh (10) tetangga.
Menginstal dan menerapkan ke Docker
Ini adalah bab terakhir, di sini kita akan menginstal aplikasi desktop buruh pelabuhan dan menulis skrip yang akan menyebarkan skrip kita ke wadah buruh pelabuhan.
LANGKAH 1 Pertama, Anda mendownload skrip python yang berisi model terlatih Anda dari colab.
LANGKAH 2 Sekarang kita akan menginstal dan mengatur buruh pelabuhan. Anda dapat menginstal buruh pelabuhan menggunakan tautan ini__
LANGKAH 3 Sekarang buatlah sebuah direktori bernama iris-classifier di mana kita akan meng-host model dan skrip buruh pelabuhan kita.
Pindahkan file python yang berisi model klasifikasi iris ke folder klasifikasi iris yang baru saja dibuat.
Di folder yang sama, buat file teks bernama persyaratan , di bawah ini adalah isinya.
sklearn==0.0
matplotlib==3.2.2
LANGKAH 4 Di sini kita akan membuat Dockerfile , buka direktori utama Anda dan buat file bernama Dockerfile tanpa ekstensi apa pun. Dockerfile adalah skrip yang digunakan untuk membuat gambar container. Di bawah ini adalah item yang akan dimuat di Dockerfile Anda.
FROM python:3.8
ADD requirements.txt /
RUN pip install -r /requirements.txt
ADD iris-classifier.py /
ENV PYTHONUNBUFFERED=1
CMD [ "python", "./iris-classifier.py" ]
Di atas kami hanya memberi tahu buruh pelabuhan apa yang harus dilakukan setiap kali container dijalankan.
LANGKAH 5 Di sini kita akan membuat file Docker Compose , file docker-compose hanyalah file konfigurasi yang memudahkan untuk memelihara container Docker yang berbeda.
Di direktori proyek Anda, buat file bernama docker-compose.yml , di bawah ini adalah konten yang akan dimuat dalam file tersebut.
version: "3"
services:
iris-classifier-uplink:
# if failure or server restarts, container will restart
restart: always
container_name: iris-classifier-uplink
image: iris-classifier-uplink
build:
# build classifier image from the Dockerfile in the current directory
context: .
Sekarang di direktori Anda, iris-classifier Anda seharusnya memiliki tiga (3) file.
- buruh pelabuhan-compose.yml
- file buruh pelabuhan
- iris-classifier.py
- persyaratan.txt
Menjalankan Kontainer Docker
Ini adalah langkah terakhir, di sini kita akan menjalankan container buruh pelabuhan menggunakan perintah di bawah ini.
docker compose build
docker compose up -d
Ini akhirnya, model Python kita sekarang berjalan di container docker!
Notebook Jupyter adalah tempat yang sangat bagus untuk membuat model dan Anda juga dapat menggunakannya sebagai back end untuk aplikasi, sayangnya, notebook tersebut tidak berjalan selamanya.
Docker membantu Anda memperbaikinya dengan menjalankan kembali notebook jupyter Anda ketika gagal dan ini menjadikannya alat yang patut diketahui.
Sekian dan Terimakasih..
