innovativeproject ml models management

Maisie - sistema de gerenciamento de modelos ML

Maisie
Tema Maisie Esfinge
Documentação
Pypi
DockerHub

• 1 características
• 2 Instalação
• 3 implantando
  • 3.1 Usando o Docker-Compose
  • 3.2 buscar imagens individuais
• 4 contribuindo
  • 4.1 Introdução
  • 4.2 Corrigindo problemas existentes
  • 4.3 Implementando novos recursos
  • 4.4 Compromando as mudanças
• 5 documentação

1 características

O arquivamento, armazenamento, gerenciamento e organização de modelos de aprendizado de máquina poderia ser feito com eficiência e com grande foco na experiência do usuário? Claro, Maisie faz exatamente isso.

Maisie é um assistente amigável e fácil de usar que consiste em:

• Aplicativo da Web escrito em React
• API de back -end escrita em python, frasco
• Aplicativo/pacote cliente escrito em Python e hospedado no Pypi

Ele se integra perfeitamente às suas ferramentas favoritas e fornece todos os dados importantes, como:

• Revisões do Git para todos os modelos treinados, bem como informações sobre filiais de origem
• Hyperparameters, parâmetros e métricas pesquisáveis, filtráveis
• Um único nome de dados de identificação, bem como uma descrição opcional
• URLs permanentes para facilitar o compartilhamento e o download de modelos armazenados

2 Instalação

Você pode obter o pacote mais atual do Pypi

$ pip install Maisie

Usá -lo em seu ambiente de treinamento é bastante direto:

 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 ,
)

3 implantando

3.1 Usando o Docker-Compose

Este repositório fornece um arquivo pré-configurado docker-compose.yml que contém opções padrão sensíveis.

Antes de iniciar os contêineres, você deve criar um arquivo .env local usando o .env.sample incluído.

Para iniciar todos os serviços, execute:

$ docker-compose up

Para interromper seus serviços, você pode pressionar Ctrl+C/Ctrl+D. Se você iniciou os serviços em segundo plano usando docker-compose up -d , a maneira correta de fazer isso seria:

$ docker-compose stop

Você pode aprender mais sobre o Docker Compose clicando aqui.

3.2 buscar imagens individuais

As imagens de front -end e back -end são publicadas automaticamente no Docker Hub assim que a nova versão estável for disponibilizada.

Links

• Imagem de front -end no hub do documento
• Imagem de back -end no hub do documento
• ... outros serviços

Para referência, você pode observar a amostra Ansible Playbook que implanta todos os contêineres em um host especificado usando o arquivo .env configurado localmente.

4 contribuindo

4.1 Introdução

1. Clone o repositório do ramo develop

$ git clone -b develop [email protected]:nokia-wroclaw/innovativeproject-ml-models-management.git

2. Instale o pré-compromisso
3. Dentro do diretório raiz do projeto, instale todos os githooks necessários:

$ pre-commit install

4. Para iniciar todos os serviços necessários para o desenvolvimento local, execute:

$ docker-compose up

5. Você está tudo configurado!

4.2 Corrigindo problemas existentes

1. Escolha um dos problemas abertos ou crie um novo
2. Crie um novo ramo chamado issue-[number]-[short description] derivado do ramo develop , por exemplo,

$ git checkout -b issue-42-project-removal-permissions develop

3. Verifique se sua implementação corrige o problema real e está bem testado.

4.3 Implementando novos recursos

Ao implementar novos recursos, você deve começar criando um novo ramo chamado feature-[short description] derivado do ramo develop , por exemplo

$ git checkout -b feature-new-user-profile develop

4.4 Compromando as mudanças

Para executar todos os testes e verifique se todos os githooks pré-comprometidos necessários estão satisfeitos, execute

$ pre-commit run --all-files

Sua mensagem de confirmação deve resumir brevemente as alterações (se possível) em inglês simples. Para aprender a escrever uma mensagem de confirmação adequada, consulte este artigo.

Quando estiver pronto, crie uma nova solicitação de tração em comparação com o conjunto de ramificações develop como uma ramificação base.

5 documentação

Para o último lançamento estável, a documentação pode ser vista em docs.maisie.dev.