innovativeproject ml models management

Maisie - ระบบการจัดการโมเดล ML

Maisie
ธีม Maisie Sphinx
เอกสาร
Pypi
Dockerhub

• 1 คุณสมบัติ
• 2 การติดตั้ง
• 3 การปรับใช้
  • 3.1 การใช้นักเทียบท่า
  • 3.2 การดึงภาพแต่ละภาพ
• 4 การบริจาค
  • 4.1 เริ่มต้น
  • 4.2 การแก้ไขปัญหาที่มีอยู่
  • 4.3 การใช้คุณสมบัติใหม่
  • 4.4 การเรียกร้องการเปลี่ยนแปลง
• 5 เอกสาร

1 คุณสมบัติ

สามารถเก็บถาวรการจัดเก็บการจัดการและการจัดระเบียบรูปแบบการเรียนรู้ของเครื่องจักรได้อย่างมีประสิทธิภาพและให้ความสำคัญกับประสบการณ์ผู้ใช้อย่างมากหรือไม่? แน่นอนว่า Maisie ทำอย่างนั้น

Maisie เป็นผู้ช่วยที่เป็นมิตรและใช้งานง่ายซึ่งประกอบด้วย:

• เว็บแอปพลิเคชันที่เขียนด้วย React
• แบ็กเอนด์ API ที่เขียนด้วย Python, Flask
• แอปพลิเคชันไคลเอนต์/แพ็คเกจที่เขียนใน Python และโฮสต์บน PYPI

มันรวมเข้ากับเครื่องมือที่คุณชื่นชอบอย่างราบรื่นและให้ข้อมูลสำคัญทั้งหมดแก่คุณเช่น:

• การแก้ไข GIT สำหรับทุกรุ่นที่ผ่านการฝึกอบรมรวมถึงข้อมูลเกี่ยวกับสาขาแหล่งที่มา
• พารามิเตอร์ไฮเปอร์พารามิเตอร์ที่สามารถค้นหาได้พารามิเตอร์และตัวชี้วัด
• ชื่อชุดข้อมูลตัวระบุเดียวรวมถึงคำอธิบายเพิ่มเติม
• URL ถาวรสำหรับการแบ่งปันและดาวน์โหลดรุ่นที่เก็บไว้ได้ง่าย

2 การติดตั้ง

คุณสามารถรับแพ็คเกจล่าสุดได้จาก PYPI

$ pip install Maisie

การใช้มันในสภาพแวดล้อมการฝึกอบรมของคุณนั้นค่อนข้างตรงไปตรงมา:

 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 การปรับใช้

3.1 การใช้นักเทียบท่า

ที่เก็บนี้มีไฟล์ docker-compose.yml ที่กำหนดค่าไว้ล่วงหน้าซึ่งมีตัวเลือกเริ่มต้นที่เหมาะสม

ก่อนที่จะเริ่มคอนเทนเนอร์คุณควรสร้างไฟล์ .env ในเครื่องโดยใช้ .env.sample

ในการเริ่มต้นบริการทั้งหมด Run:

$ docker-compose up

หากต้องการหยุดบริการของคุณคุณสามารถกด Ctrl+C/Ctrl+D หากคุณเริ่มต้นบริการในพื้นหลังโดยใช้ docker-compose up -d วิธีที่ถูกต้องในการทำเช่นนี้คือ:

$ docker-compose stop

คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับ Docker Compose โดยคลิกที่นี่

3.2 การดึงภาพแต่ละภาพ

ทั้งภาพส่วนหน้าและแบ็กเอนด์จะถูกเผยแพร่โดยอัตโนมัติไปยัง Docker Hub ทันทีที่มีการเปิดตัวที่เสถียรใหม่

ลิงค์

• ภาพส่วนหน้าบน Docker Hub
• ภาพแบ็กเอนด์บน Docker Hub
• ... บริการอื่น ๆ

สำหรับการอ้างอิงคุณสามารถดูตัวอย่าง Ansible Playbook ที่ปรับใช้คอนเทนเนอร์ทั้งหมดไปยังโฮสต์ที่ระบุโดยใช้ไฟล์ .env ที่กำหนดค่าไว้ในเครื่อง

4 การบริจาค

4.1 เริ่มต้น

1. โคลนที่เก็บจากสาขา develop

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

2. ติดตั้งล่วงหน้า
3. ภายในไดเรกทอรีรากของโครงการติดตั้ง githooks ที่จำเป็นทั้งหมด:

$ pre-commit install

4. ในการเริ่มต้นบริการที่จำเป็นทั้งหมดสำหรับการพัฒนาในท้องถิ่น Run:

$ docker-compose up

5. คุณพร้อมแล้ว!

4.2 การแก้ไขปัญหาที่มีอยู่

1. เลือกหนึ่งในปัญหาเปิดหรือสร้างใหม่
2. สร้างสาขาใหม่ชื่อ issue-[number]-[short description] ที่ได้มาจากสาขา develop เช่น

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

3. ตรวจสอบให้แน่ใจว่าการใช้งานของคุณแก้ไขปัญหาจริงและได้รับการทดสอบอย่างดี

4.3 การใช้คุณสมบัติใหม่

เมื่อนำคุณสมบัติใหม่มาใช้คุณควรเริ่มต้นด้วยการสร้างสาขาใหม่ที่มีชื่อว่า feature-[short description] ที่ได้มาจากสาขา develop เช่น

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

4.4 การเรียกร้องการเปลี่ยนแปลง

ในการเรียกใช้การทดสอบทั้งหมดและตรวจสอบว่า githooks ล่วงหน้าที่จำเป็นทั้งหมดมีความพึงพอใจหรือไม่รัน

$ pre-commit run --all-files

ข้อความการกระทำของคุณควรสรุปการเปลี่ยนแปลงสั้น ๆ (ถ้าเป็นไปได้) เป็นภาษาอังกฤษธรรมดา หากต้องการเรียนรู้วิธีการเขียนข้อความการกระทำที่เหมาะสมตรวจสอบบทความนี้

เมื่อพร้อมให้สร้างคำขอดึงใหม่เมื่อเทียบกับชุด develop ที่ตั้งเป็นสาขาพื้นฐาน

5 เอกสาร

สำหรับการเปิดตัวที่มีเสถียรภาพครั้งล่าสุดสามารถดูเอกสารได้ที่ docs.maisie.dev