innovativeproject ml models management
1.0.0
| Maisie | |
| Thème Maisie sphinx | |
| Documentation | |
| PYPI | |
| Docker |
L'archivage, le stockage, la gestion et l'organisation des modèles d'apprentissage automatique pourraient-ils être effectués efficacement et avec une grande focalisation sur l'expérience utilisateur? Bien sûr, Maisie fait exactement cela.
Maisie est un assistant sympathique et facile à utiliser qui se compose:
Il s'intègre parfaitement à vos outils préférés et vous fournit toutes les données importantes, telles que:
Vous pouvez obtenir le package le plus courant de PYPI
$ pip install MaisieL'utiliser dans votre environnement de formation est assez simple:
import maisie
from sklearn . externals import joblib
# Define your model here
model . fit ( X , y )
model_filename = "example_model.pkl"
joblib . dump ( model , model_filename )
# Define your metrics, fetch parameters and hyperparameters
models = maisie . Models ()
models . upload (
name = "My first uploaded model" ,
filename = model_filename ,
dataset_name = "Singly Identifying Dataset Name" ,
metrics = { "accuracy" : accuracy },
hyperparameters = hyperparameters ,
parameters = parameters ,
) Ce référentiel fournit un fichier docker-compose.yml préconfiguré qui contient des options par défaut sensibles.
Avant de démarrer les conteneurs, vous devez créer un fichier .env local à l'aide de l'échantillon .env.sample .
Pour démarrer tous les services, exécutez:
$ docker-compose up Pour arrêter vos services, vous pouvez appuyer sur Ctrl + C / Ctrl + D. Si vous avez commencé les services en arrière-plan à l'aide de docker-compose up -d , la bonne façon de le faire serait:
$ docker-compose stopVous pouvez en savoir plus sur Docker Compose en cliquant ici.
Les images Frontend et Backend sont automatiquement publiées sur Docker Hub dès que la nouvelle version stable sera mise à disposition.
Links
Pour référence, vous pouvez consulter l'échantillon de playbook ANSIBL qui déploie tous les conteneurs à un hôte spécifié à l'aide du fichier .env configuré localement.
develop $ git clone -b develop [email protected]:nokia-wroclaw/innovativeproject-ml-models-management.git$ pre-commit install$ docker-compose upissue-[number]-[short description] dérivée de la branche develop , par exemple $ git checkout -b issue-42-project-removal-permissions develop Lors de la mise en œuvre de nouvelles fonctionnalités, vous devez commencer par créer une nouvelle succursale nommée feature-[short description] dérivée de la branche develop , par exemple
$ git checkout -b feature-new-user-profile developPour exécuter tous les tests et vérifier si tous les githooks pré-comités requis sont satisfaits, exécutez
$ pre-commit run --all-filesVotre message de validation doit résumer brièvement les modifications (si possible) en anglais simple. Pour apprendre à rédiger un message de validation approprié, consultez cet article.
Lorsque vous êtes prêt, créez une nouvelle demande de traction par rapport à l'ensemble de branche develop en tant que branche de base.
Pour la dernière version stable, la documentation peut être vue sur docs.maisie.dev.
