Issue Label Bot

บอทฉลาก ISSSUE ไม่ได้มีชีวิตอยู่อีกต่อไป คุณยังสามารถดูรหัสได้ แต่เราได้ลบบอทเนื่องจากค่าใช้จ่ายโครงสร้างพื้นฐานที่เกี่ยวข้อง

รหัสสำหรับ: "วิธีการทำงานโดยอัตโนมัติเกี่ยวกับ GitHub ด้วยการเรียนรู้ของเครื่องเพื่อความสนุกสนานและผลกำไร"

สารบัญ

• บอทออกฉลาก
  • ลิงค์สำคัญ
  • ไฟล์
• เรียกใช้รหัสนี้
  • ตัวแปรสภาพแวดล้อม
  • วิ่งในพื้นที่
  • ปรับใช้เป็นบริการ
• การบริจาค
  • แผนงาน
  • การอ้างอิง
• คำเตือน

ผู้เขียนต้นฉบับ: @hamelsmu, @inc0, @jlewi

ออกฉลากบอท

ติดตั้งแอพนี้จากตลาด GitHub

แอพ GitHub ขับเคลื่อนโดยการเรียนรู้ของเครื่องเขียนใน Python การอภิปรายเกี่ยวกับแรงจูงใจในการสร้างแอพนี้ได้อธิบายไว้ในโพสต์บล็อกนี้

เมื่อมีการเปิดปัญหาบอทจะทำนายว่าฉลากควรเป็น: feature request bug หรือ question และใช้ฉลากโดยอัตโนมัติหากเหมาะสม นี่คือภาพหน้าจอของบอทในการดำเนินการ:

ตัวอย่างเพิ่มเติมสามารถดูได้ในหน้าแรกของแอปของเรา ควรสังเกตว่าบอทอาจไม่ใช้ฉลากใด ๆ ในสถานการณ์ที่การทำนายไม่แน่นอน ดูส่วนการปฏิเสธความรับผิดชอบสำหรับคำเตือนเพิ่มเติม

ลิงค์สำคัญ

• หน้าแรกฉลากบอทหน้าแรก ให้วิธีการดูตัวอย่างการคาดการณ์รวมถึงข้อมูลอื่น ๆ เกี่ยวกับบอทนี้
• หน้าแอพ GitHub สำหรับบอทฉลากปัญหาซึ่งคุณสามารถติดตั้งแอพได้ ดูข้อจำกัดความรับผิดชอบด้านล่างก่อนติดตั้ง

ไฟล์

• /Notebooks: มีโน้ตบุ๊กเกี่ยวกับวิธีการฝึกอบรมโมเดลและโต้ตอบกับ GitHub API โดยใช้ไคลเอนต์ Python
• /flask_app: รหัสสำหรับแอพ Flask ที่รับฟังเหตุการณ์ GitHub ออกและตอบกลับด้วยการคาดการณ์ นี่คือแอปพลิเคชั่นหลักที่ผู้ใช้จะโต้ตอบด้วย
• /Argo: รหัสในไดเรกทอรีนี้เกี่ยวข้องกับการก่อสร้างท่อ Argo ML สำหรับการฝึกอบรมและการปรับใช้เวิร์กโฟลว์ ML
• /การปรับใช้: ไดเรกทอรีนี้มีไฟล์ที่มีประโยชน์ในการปรับใช้แอพ
  • DockerFile นี่คือคำจำกัดความของคอนเทนเนอร์ที่ใช้ในการเรียกใช้แอพ Flask บิลด์สำหรับคอนเทนเนอร์นี้โฮสต์บน Dockerhub ที่ Hamelsmu/MLAPP
  • Heroku.yml: สิ่งนี้ใช้สำหรับนำไปใช้กับ Heroku
  • *.yaml: ไฟล์เหล่านี้เกี่ยวข้องกับการปรับใช้ Kubernetes

เรียกใช้รหัสนี้

ข้อกำหนดเบื้องต้น

ในการใช้รหัสในที่เก็บนี้คุณจะต้องลงทะเบียนแอพ GitHub ของคุณเองและติดตั้งแอพนี้ในที่เก็บที่ต้องการและจัดเก็บความลับการตรวจสอบความถูกต้อง

ก่อนอื่นให้เดินผ่านส่วนที่จำเป็นต้องมีของคู่มือการเริ่มต้นใช้งานนี้ ยกเว้น ส่วน "ภาษาการเขียนโปรแกรมทับทิม" ในขณะที่เราจะใช้ Python แทนเป็นไคลเอนต์ที่เชื่อมต่อกับ GitHub API

ประการที่สองตั้งค่าสภาพแวดล้อมการพัฒนาของคุณ ตรวจสอบให้แน่ใจว่าคุณสร้างความลับ webhook แม้ว่าขั้นตอนนี้จะเป็นทางเลือก

ถัดไปตั้งค่าฐานข้อมูล Postgres คุณสามารถทำได้ฟรีบน Heroku คำแนะนำโดยละเอียด (ถูกขโมยอย่างไร้ยางอายจากที่นี่):

1. ไปที่ https://www.heroku.com/ และสร้างบัญชีหากคุณยังไม่มี
2. บนแดชบอร์ดของ Heroku คลิก“ ใหม่” และเลือก“ สร้างแอพใหม่”
3. ให้ชื่อแอปของคุณและคลิก“ สร้างแอป”
4. ในหน้า“ ภาพรวม” ของแอปของคุณคลิกปุ่ม“ กำหนดค่า Add-On”
5. ในส่วน“ Add-ons” ของหน้าพิมพ์และเลือก“ Heroku Postgres”
6. เลือกแผน“ Hobby Dev - ฟรี” ซึ่งจะช่วยให้คุณสามารถเข้าถึงฐานข้อมูล PostgreSQL ฟรีที่จะรองรับข้อมูลมากถึง 10,000 แถว คลิก“ บทบัญญัติ”
7. ตอนนี้คลิกลิงก์“ Heroku Postgres :: Database”
8. ตอนนี้คุณควรอยู่ในหน้าภาพรวมของฐานข้อมูล คลิกที่ 8“ การตั้งค่า” จากนั้น“ ดูข้อมูลรับรอง” นี่คือข้อมูลที่คุณต้องเข้าสู่ฐานข้อมูลของคุณ

ในที่สุดคุณต้องสร้างตัวแปรสภาพแวดล้อมสำหรับความลับทั้งหมดซึ่งอธิบายไว้ด้านล่าง

ตัวแปรสภาพแวดล้อม

1. PRIVATE_KEY : นี่คือคีย์ส่วนตัวที่คุณใช้เพื่อตรวจสอบสิทธิ์เป็นแอพที่มี GitHub API
2. WEBHOOK_SECRET : สิ่งนี้ใช้เพื่อตรวจสอบว่าแอปที่ได้รับจากแอปของคุณนั้นมาจาก GitHub อธิบายไว้ที่นี่
3. DATABASE_URL : นี่คือ URL ที่มีข้อมูลการเข้าสู่ระบบสำหรับฐานข้อมูล PostgreSQL ของคุณโดยปกติจะอยู่ในรูปแบบ: postgres://<username>:<password>@<url>:5432/<database_name>
4. APP_ID : นี่เป็นตัวระบุที่ไม่ซ้ำกันที่ GitHub มอบให้แก่คุณเมื่อคุณลงทะเบียนแอปของคุณ
5. FLASK_ENV : นี่มักจะตั้งค่าเป็นทั้ง production หรือ development คุณจะต้องใช้ deployment สำหรับการทดสอบในท้องถิ่น
6. PORT : นี่คือพอร์ตแอปของคุณจะให้บริการ โปรดทราบว่าหากคุณกำลังนำไปใช้กับ Heroku Heroku จะแทนที่ตัวแปรนี้ด้วยค่าของตัวเองเมื่อสร้างแอปของคุณ สำหรับการพัฒนาในท้องถิ่นคุณจะต้องการให้สิ่งนี้ตรงกับ Port Smee ที่ให้บริการ
7. APP_URL : นี่คือ URL สำหรับหน้าแรกของแอปของคุณที่มีให้กับผู้ใช้เป็นลิงค์ในความคิดเห็นที่เป็นปัญหา คุณสามารถตั้งค่าสิ่งนี้เป็นค่าโดยพลการสำหรับการพัฒนาในท้องถิ่น

หมายเหตุ: หากคุณใช้ ZSH ปลั๊กอิน DOTENV จะเป็นประโยชน์สำหรับการจัดการตัวแปรสภาพแวดล้อม

วิ่งในพื้นที่

1. ติดตั้งการพึ่งพา : ติดตั้งข้อกำหนด. txt ลงในสภาพแวดล้อมเสมือนจริง หากคุณใช้ pipenv ติดตั้งการพึ่งพาที่จำเป็นจาก pipfile.lock โดยพิมพ์ pipenv install ในรูทของที่เก็บนี้

2. เรียกใช้แอพ Flask : เรียกใช้ python flask_app/app.py จากรูทของที่เก็บนี้ สำหรับการทำงานนี้คุณต้องตั้งค่าตัวแปรสภาพแวดล้อมอย่างถูกต้องตามที่อธิบายไว้ในส่วนตัวแปรสภาพแวดล้อม

3. ตัวเลือก - เรียกใช้แอพเป็นคอนเทนเนอร์ Docker คอนเทนเนอร์ Docker ที่ให้บริการบอทที่มีป้ายกำกับปัญหาสามารถสร้างได้ด้วย bash script/bootstrap จากรูทของที่เก็บนี้ สคริปต์นี้สร้างภาพนักเทียบท่าชื่อ hamelsmu/mlapp ซึ่งมีอยู่ใน DockerHub หากคุณต้องการเรียกใช้คอนเทนเนอร์ Docker ในพื้นที่สำหรับการทดสอบคุณจะต้องผ่านตัวแปรสภาพแวดล้อมที่จำเป็นไปยังคอนเทนเนอร์ Docker ที่รันไทม์รวมทั้งเปิดเผยพอร์ตที่จำเป็นสำหรับแอป ดูส่วนการอ้างอิงสำหรับทรัพยากรเพิ่มเติมเกี่ยวกับการใช้ Docker

ปรับใช้เป็นบริการ

สินทรัพย์ใน repo นี้ช่วยให้คุณปรับใช้กับ Heroku (ง่ายขึ้น) หรือคลัสเตอร์ Kubernetes (ขั้นสูงมากขึ้น)

ใน Heroku ความลับสามารถส่งผ่านเป็นตัวแปรการกำหนดค่า นอกจากนี้เอกสารนี้อธิบายถึงวิธีที่คุณสามารถตั้งค่าความลับใน Kubernetes ตรวจสอบให้แน่ใจว่าคุณตั้งค่าตัวแปรสภาพแวดล้อม FLASK_ENV เป็นการ production หากคุณกำลังจะปรับใช้แอพต่อสาธารณะ

การบริจาค

เรายินดีต้อนรับการมีส่วนร่วมทุกรูปแบบ เราสนใจเป็นพิเศษในสิ่งต่อไปนี้:

• แก้ไขข้อบกพร่อง
• การปรับปรุงหรือคุณสมบัติเพิ่มเติม
• การปรับปรุงโมเดลหรือการขยายชุดข้อมูลที่ใช้สำหรับการฝึกอบรม

แผนงาน

ผู้เขียนโครงการนี้สนใจที่จะเพิ่มคุณสมบัติต่อไปนี้ในอนาคตอันใกล้:

• การสร้างฉลากที่ดีขึ้นและตัวอย่างเชิงลบของรายการที่ไม่ได้อยู่ในชุดฉลากเพื่อผลักดันการปรับปรุงเพิ่มเติม
• ใช้เครื่องมือจาก Fastai เพื่อสำรวจ:
  • สถาปัตยกรรมที่ทันสมัยเช่นความสนใจหลายหัว
  • การใช้การเรียนรู้การถ่ายโอนเพื่อทำนายฉลากที่ไม่ซ้ำกันและ/หรือเพิ่มความแม่นยำ
• การใช้การกระทำของ GitHub เพื่อทริกเกอร์การปรับใช้รหัสนี้โดยอัตโนมัติ
• โมเดลท่อส่งสัญญาณบนท่ออาร์โก้

การอ้างอิง

• รหัสใน repo นี้และการสอนที่เกี่ยวข้องถือว่าคุ้นเคยกับ Docker โพสต์บล็อกนี้เสนอการแนะนำอย่างอ่อนโยนเกี่ยวกับ Docker สำหรับนักวิทยาศาสตร์ข้อมูล

• ต้องการแรงบันดาลใจสำหรับผลิตภัณฑ์ข้อมูลอื่น ๆ ที่คุณสามารถสร้างได้โดยใช้การเรียนรู้ของเครื่องและชุดข้อมูลสาธารณะ GitHub? ดูตัวอย่างเหล่านี้:

  • การสรุปปัญหาและคำแนะนำของ GitHub
  • การค้นหารหัสความหมายภาษาธรรมชาติ

• หลักสูตรที่ยอดเยี่ยมเกี่ยวกับ Flask: Harvardx CS50 เว็บ

• MOOCs โดย Fastai สำหรับการเรียนรู้ของเครื่องจักรและการเรียนรู้อย่างลึกซึ้ง

คำเตือน

บอทออกฉลากมีวัตถุประสงค์เพื่อการศึกษาและการสาธิตเท่านั้น เป้าหมายของเราคือการให้ตัวอย่างการทำงานน้อยที่สุดสำหรับชุมชนที่มีความซับซ้อนน้อยที่สุดเท่าที่จะเป็นไปได้ ดังนั้นเราเชื่อว่ารูปแบบที่แสดงให้เห็นมีห้องพักที่ยอดเยี่ยมจากการปรับปรุง นอกจากนี้ แอพนี้ใช้งานได้เฉพาะในที่เก็บสาธารณะและจะไม่ทำอะไรเลยหากติดตั้งใน Repo ส่วนตัว