日韩无码专区无码一级三级片|91人人爱网站中日韩无码电影|厨房大战丰满熟妇|AV高清无码在线免费观看|另类AV日韩少妇熟女|中文日本大黄一级黄色片|色情在线视频免费|亚洲成人特黄a片|黄片wwwav色图欧美|欧亚乱色一区二区三区

RELATEED CONSULTING
相關咨詢
選擇下列產(chǎn)品馬上在線溝通
服務時間：8:30-17:00
你可能遇到了下面的問題
關閉右側工具欄

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
創(chuàng)建一個容器化的機器學習模型

數(shù)據(jù)科學家在創(chuàng)建機器學習模型后，必須將其部署到生產(chǎn)中。要在不同的基礎架構上運行它，使用容器并通過 REST API 公開模型是部署機器學習模型的常用方法。本文演示了如何在 Podman 容器中使用 Connexion 推出使用 REST API 的 TensorFlow 機器學習模型。

公司主營業(yè)務：成都網(wǎng)站制作、成都網(wǎng)站設計、外貿營銷網(wǎng)站建設、移動網(wǎng)站開發(fā)等業(yè)務。幫助企業(yè)客戶真正實現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競爭能力。成都創(chuàng)新互聯(lián)是一支青春激揚、勤奮敬業(yè)、活力青春激揚、勤奮敬業(yè)、活力澎湃、和諧高效的團隊。公司秉承以“開放、自由、嚴謹、自律”為核心的企業(yè)文化，感謝他們對我們的高要求，感謝他們從不同領域給我們帶來的挑戰(zhàn)，讓我們激情的團隊有機會用頭腦與智慧不斷的給客戶帶來驚喜。成都創(chuàng)新互聯(lián)推出越秀免費做網(wǎng)站回饋大家。

準備

首先，使用以下命令安裝 Podman：

 
 
 
 
    
  
  
  
  
  1. sudo dnf -y install podman
    2.

接下來，為容器創(chuàng)建一個新文件夾并切換到該目錄。

 
 
 
 
    
  
  
  
  
  1. mkdir deployment_container && cd deployment_container
    2.

TensorFlow 模型的 REST API

下一步是為機器學習模型創(chuàng)建 REST API。這個 github 倉庫包含一個預訓練模型，以及能讓 REST API 工作的設置。

使用以下命令在 deployment_container 目錄中克隆它：

 
 
 
 
    
  
  
  
  
  1. git clone https://github.com/svenboesiger/titanic_tf_ml_model.git
    2.

prediction.py 和 ml_model/

prediction.py 能進行 Tensorflow 預測，而 20x20x20 神經(jīng)網(wǎng)絡的權重位于文件夾 ml_model/ 中。

swagger.yaml

swagger.yaml 使用 Swagger規(guī)范 定義 Connexion 庫的 API。此文件包含讓你的服務器提供輸入?yún)?shù)驗證、輸出響應數(shù)據(jù)驗證、URL 端點定義所需的所有信息。

額外地，Connexion 還將給你提供一個簡單但有用的單頁 Web 應用，它演示了如何使用 Javascript 調用 API 和更新 DOM。

 
 
 
 
    
  
  
  
  
  1. swagger: "2.0"
    2. 
  
  
  
  
  2. info:
    3. 
  
  
  
  
  3.  description: This is the swagger file that goes with our server code
    4. 
  
  
  
  
  4.  version: "1.0.0"
    5. 
  
  
  
  
  5.  title: Tensorflow Podman Article
    6. 
  
  
  
  
  6. consumes:
    7. 
  
  
  
  
  7.  - "application/json"
    8. 
  
  
  
  
  8. produces:
    9. 
  
  
  
  
  9.  - "application/json"
    10. 
  
  
  
  
  10. 
  
  
  
  
  11. 
  
  
  
  
  12. basePath: "/"
    13. 
  
  
  
  
  13. 
  
  
  
  
  14. paths:
    15. 
  
  
  
  
  15.  /survival_probability:
    16. 
  
  
  
  
  16.  post:
    17. 
  
  
  
  
  17.  operationId: "prediction.post"
    18. 
  
  
  
  
  18.  tags:
    19. 
  
  
  
  
  19.  - "Prediction"
    20. 
  
  
  
  
  20.  summary: "The prediction data structure provided by the server application"
    21. 
  
  
  
  
  21.  description: "Retrieve the chance of surviving the titanic disaster"
    22. 
  
  
  
  
  22.  parameters:
    23. 
  
  
  
  
  23.  - in: body
    24. 
  
  
  
  
  24.  name: passenger
    25. 
  
  
  
  
  25.  required: true
    26. 
  
  
  
  
  26.  schema:
    27. 
  
  
  
  
  27.  $ref: '#/definitions/PredictionPost'
    28. 
  
  
  
  
  28.  responses:
    29. 
  
  
  
  
  29.  '201':
    30. 
  
  
  
  
  30.  description: 'Survival probability of an individual Titanic passenger'
    31. 
  
  
  
  
  31. 
  
  
  
  
  32. definitions:
    33. 
  
  
  
  
  33.  PredictionPost:
    34. 
  
  
  
  
  34.  type: object
    35.

server.py 和 requirements.txt

server.py 定義了啟動 Connexion 服務器的入口點。

 
 
 
 
    
  
  
  
  
  1. import connexion
    2. 
  
  
  
  
  2. 
  
  
  
  
  3. app = connexion.App(__name__, specification_dir='./')
    4. 
  
  
  
  
  4. 
  
  
  
  
  5. app.add_api('swagger.yaml')
    6. 
  
  
  
  
  6. 
  
  
  
  
  7. if __name__ == '__main__':
    8. 
  
  
  
  
  8.  app.run(debug=True)
    9.

requirements.txt 定義了運行程序所需的 python 包。

 
 
 
 
    
  
  
  
  
  1. connexion
    2. 
  
  
  
  
  2. tensorflow
    3. 
  
  
  
  
  3. pandas
    4.

容器化！

為了讓 Podman 構建映像，請在上面的準備步驟中創(chuàng)建的 deployment_container 目錄中創(chuàng)建一個名為 Dockerfile 的新文件：

 
 
 
 
    
  
  
  
  
  1. FROM fedora:28
    2. 
  
  
  
  
  2. 
  
  
  
  
  3. # File Author / Maintainer
    4. 
  
  
  
  
  4. MAINTAINER Sven Boesiger 
    5. 
  
  
  
  
  5. 
  
  
  
  
  6. # Update the sources
    7. 
  
  
  
  
  7. RUN dnf -y update --refresh
    8. 
  
  
  
  
  8. 
  
  
  
  
  9. # Install additional dependencies
    10. 
  
  
  
  
  10. RUN dnf -y install libstdc++
    11. 
  
  
  
  
  11. 
  
  
  
  
  12. RUN dnf -y autoremove
    13. 
  
  
  
  
  13. 
  
  
  
  
  14. # Copy the application folder inside the container
    15. 
  
  
  
  
  15. ADD /titanic_tf_ml_model /titanic_tf_ml_model
    16. 
  
  
  
  
  16. 
  
  
  
  
  17. # Get pip to download and install requirements:
    18. 
  
  
  
  
  18. RUN pip3 install -r /titanic_tf_ml_model/requirements.txt
    19. 
  
  
  
  
  19. 
  
  
  
  
  20. # Expose ports
    21. 
  
  
  
  
  21. EXPOSE 5000
    22. 
  
  
  
  
  22. 
  
  
  
  
  23. # Set the default directory where CMD will execute
    24. 
  
  
  
  
  24. WORKDIR /titanic_tf_ml_model
    25. 
  
  
  
  
  25. 
  
  
  
  
  26. # Set the default command to execute
    27. 
  
  
  
  
  27. # when creating a new container
    28. 
  
  
  
  
  28. CMD python3 server.py
    29.

接下來，使用以下命令構建容器鏡像：

 
 
 
 
    
  
  
  
  
  1. podman build -t ml_deployment .
    2.

運行容器

隨著容器鏡像的構建和準備就緒，你可以使用以下命令在本地運行它：

 
 
 
 
    
  
  
  
  
  1. podman run -p 5000:5000 ml_deployment
    2.

在 Web 瀏覽器中輸入 http://0.0.0.0:5000/ui 訪問 Swagger/Connexion UI 并測試模型：

當然，你現(xiàn)在也可以在應用中通過 REST API 訪問模型。


分享文章：創(chuàng)建一個容器化的機器學習模型
當前鏈接：http://m.5511xx.com/article/cdjhpho.html