Запуск моделей машинного обучения в контейнерах Docker предлагает множество преимуществ, что делает его популярным выбором в отрасли. Docker предоставляет легкую, портативную и изолированную среду для развертывания моделей машинного обучения, обеспечивая беспрепятственную интеграцию с различными конвейерами данных и приложениями реального времени. Здесь я строю все с нуля.
Сначала нам нужно установить Docker в базовой ОС (в моем случае это RHEL 9). Для установки Docker мы должны добавить репозиторий Docker. Чтобы добавить репозиторий, установите yum-utils.
sudo yum install yum-utils
# Adding repo of Docker. sudo yum-config-manager — add-repo https://download.docker.com/linux/centos/docke r-ce.repo
Теперь установите докер, используя приведенный ниже cmd:
yum install docker -y
Запустите службы с помощью команды systemctl
systemctl start docker # check it is working or not systemctl status docker
Запустите контейнер, чтобы протестировать нашу модель зарплаты (я скачал ее из интернета). Здесь я использую версию Centos 7.
docker run -it — name salary_model centos:7
Установите Python и необходимые библиотеки Python для модели машинного обучения.
yum install python3 pip3 install joblib pip3 install sklearn
Теперь я копирую загруженную модель в контейнер docker с помощью команды docker cp.
Чтобы предсказать модель заработной платы, я написал некоторый код на Python, который будет принимать входные данные как опыт и выдавать ожидаемую зарплату на основе опыта.
# py-salary.py import os import joblib mind=joblib.load(‘salary.pk1’) os.system(“clear”) print(“Welcome”) mind=joblib.load(‘salary.pk1’) i=float(input(“Enter Years of Experience: “)) print(“Predicted salary of the employee is “,mind.predict([[i]]))
Теперь запустите файл python
python3 py-salary.py
Примечание: и файл python, и модель машинного обучения зарплаты должны находиться в одной папке.
…Подписание…