Issue Label Bot

配x ISSSUE標籤機器人不再使用。您仍然可以查看代碼，但是由於相關基礎架構成本，我們已經刪除了機器人

代碼：“如何在GitHub上使用機器學習來自動化任務以獲取樂趣和利潤”

目錄

• 問題標籤機器人
  • 重要鏈接
  • 文件
• 運行此代碼
  • 環境變量
  • 本地運行
  • 部署為服務
• 貢獻
  • 路線圖
  • 參考
• 免責聲明

原始作者：@hamelsmu， @inc0，@jlewi

發行標籤機器人

從GitHub市場安裝此應用程序

由Python編寫的機器學習提供動力的GitHub應用程序。此博客文章中描述了構建此應用程序動機的討論。

當問題打開時，該機器人預測標籤是否應為： feature request ， bug或question ，並在適當的情況下自動應用標籤。這是機器人行動中的屏幕截圖：

可以在我們的應用主頁上查看更多示例。應當指出，在預測不確定的情況下，機器人可能不會應用任何標籤。有關更多警告，請參見“免責聲明”部分。

重要鏈接

• 發行標籤機器人主頁。提供了一種查看示例預測以及有關此機器人的其他信息的方法。
• github應用程序頁面用於發行標籤機器人，您可以在其中安裝應用程序。安裝之前，請參見下面的免責聲明。

文件

• /筆記本：包含有關如何使用Python客戶端訓練模型並與GitHub API交互的筆記本。
• /blask_app：限制github發出事件並通過預測做出響應的燒瓶應用程序的代碼。這是用戶將與之互動的主要應用程序。
• /argo：該目錄中的代碼與用於培訓和部署ML工作流的Argo ML管道的構建有關。
• /部署：此目錄包含有助於部署應用程序的文件。
  • Dockerfile這是用於運行燒瓶應用程序的容器的定義。該容器的構建託管在Hamelsmu/Mlapp的Dockerhub上。
  • Heroku.yml：這用於部署到Heroku。
  • *.YAML：這些文件與Kubernetes部署有關。

運行此代碼

先決條件

要在此存儲庫中使用代碼，您需要註冊自己的GitHub應用程序，並在所需的存儲庫上安裝此應用程序並存儲身份驗證秘密。

首先，瀏覽本開始指南的先決條件部分，除了“ Ruby編程語言”部分，因為我們將使用Python作為與GitHub API接口的客戶端。

第二，設置您的開發環境。即使此步驟是可選的，也要確保您創建一個Webhook秘密。

接下來，設置一個Postgres數據庫。您可以在Heroku上免費執行此操作。詳細說明（從這裡無恥地被盜）：

1. 導航到https://www.heroku.com/，如果您還沒有一個帳戶，請創建一個帳戶。
2. 在Heroku的儀表板上，單擊“新”，然後選擇“創建新應用”。
3. 給您的應用程序一個名字，然後單擊“創建應用程序”。
4. 在應用程序的“概述”頁面上，單擊“配置加載”按鈕。
5. 在頁面的“附加組件”部分中，輸入並選擇“ Heroku Postgres”。
6. 選擇“ Hobby Dev -Free”計劃，該計劃將使您訪問免費的PostgreSQL數據庫，該數據庫將支持多達10,000行數據。單擊“配置”。
7. 現在，單擊“ Heroku Postgres ::數據庫”鏈接。
8. 現在，您應該在數據庫的概述頁面上。單擊8個“設置”，然後單擊“查看憑據”。這是您需要登錄數據庫的信息。

最後，您需要為所有秘密創建環境變量，如下所述。

環境變量

1. PRIVATE_KEY ：這是您用GitHub API作為應用程序進行身份驗證的私鑰。
2. WEBHOOK_SECRET ：用於驗證您的應用程序收到的有效載荷實際上來自GitHub。這在這裡描述。
3. DATABASE_URL ：這是包含PostgreSQL數據庫的登錄信息的URL，通常是以： postgres://<username>:<password>@<url>:5432/<database_name>
4. APP_ID ：這是GitHub註冊應用程序時向您提供的唯一標識符。
5. FLASK_ENV ：通常將其設置為production或development 。您將需要使用deployment進行本地測試。
6. PORT ：這是您的應用程序將要使用的端口。請注意，如果您部署到Heroku，Heroku將在構建應用程序時以其自身的價值覆蓋此變量。對於本地開發，您將希望與SMEE港口的服務匹配。
7. APP_URL ：這是您應用程序主頁的URL，它作為發行註釋中的鏈接提供給用戶。您可以將其設置為用於本地開發的任意價值。

注意：如果您使用的是ZSH，則DOTENV插件可用於管理環境變量。

本地運行

1. 安裝依賴項：在虛擬環境中安裝需求.txt。如果您使用的是pipenv安裝pipfile.lock的必要依賴項，則通過在此存儲庫的根部鍵入pipenv install 。

2. 從此存儲庫的根中運行燒瓶應用程序：運行python flask_app/app.py 。為此，您必須正確設置環境變量部分中所述的環境變量。

3. 可選 -作為Docker容器運行應用程序。可以使用該存儲庫的根部使用命令bash script/bootstrap構建提供問題標籤機器人的Docker容器。該腳本構建了名為hamelsmu/mlapp的Docker映像，該圖像也可以在Dockerhub上找到。如果您希望在本地運行Docker容器進行測試，則必須在運行時將必要的環境變量傳遞給Docker容器，並揭示應用程序的必要端口。有關使用Docker的更多資源，請參見參考部分。

部署為服務

此存儲庫中的資產使您可以部署到Heroku（更容易）或Kubernetes群集（更高級）。

在Heroku中，可以將秘密作為配置變量傳遞。此外，該文檔描述瞭如何在Kubernetes中設置秘密。如果要公開部署該應用程序，請確保將環境變量FLASK_ENV設置為production 。

貢獻

我們歡迎所有形式的貢獻。我們對以下內容特別感興趣：

• 錯誤修復
• 增強或其他功能
• 改進模型，或擴展用於培訓的數據集。

路線圖

該項目的作者有興趣在不久的將來添加以下功能：

• 構建更好的標籤和不屬於標籤的項目的負面樣本，以推動進一步的改進。
• 使用Fastai的工具探索：
  • 最先進的體系結構，例如多頭關注
  • 利用轉移學習來預測獨特的標籤和/或提高準確性。
• 使用GitHub操作觸發此代碼的自動部署。
• Argo管道上的模型管道編排。

參考

• 此存儲庫中的代碼和關聯的教程假設熟悉Docker。這篇博客文章對數據科學家的Docker提供了溫和的介紹。

• 需要使用機器學習和公共GitHub數據集構建的其他數據產品的靈感嗎？看到以下示例：

  • Github發出摘要和建議。
  • 自然語言語義代碼搜索。

• 燒瓶上的出色課程：哈佛CS50網絡。

• Fastai的MOOC用於機器學習和深度學習。

免責聲明

問題標籤機器人僅用於教育和演示目的。我們的目標是為社區提供最小的工作示例，其複雜性最少。因此，我們認為該模型所展示的有很大的改進空間。此外，此應用只能在公共存儲庫上使用，如果安裝在私人倉庫上，則無能為力。