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…