Чтобы установить докер, следуйте части 1 следующего блога,
ШАГ 2: ЗАПУСТИТЕ и проверьте СЛУЖБУ Docker
systemctl start docker systemctl status docker
ШАГ 3: ПОЛУЧИТЕ Docker-образ Centos
docker pull centos:latest
ШАГ 4: ЗАПУСК док-контейнера с помощью команды запуска
docker run -it --name <name for your container> centos:latest
После запуска ОС вы окажетесь внутри своего контейнера, установите зависимости для вашей модели ML,
Скачать:
→ Питон
yum install python36
→ scikit-learn
pip3 install scikit-learn
→ гит
yum install git -y
Я загружаю git, чтобы загрузить набор данных в контейнер Docker.
→ панды
pip3 install pandas
ШАГ 5. Загрузите набор данных в док-контейнер
Я помещаю свой набор данных в контейнер докера с помощью команды git. Сначала я помещу набор данных и другой код в свой репозиторий Github, а затем клонирую репозиторий в контейнере Docker с помощью команды git clone.
git clone <your git repo url>
Содержимое файла следующее:
Набор данных: зарплата.csv
результат.ру:
модель.ру:
ШАГ 6: ЗАПУСТИТЕ файлы Python
python3 model.py python3 result.py
КОНЕЧНЫЙ РЕЗУЛЬТАТ:
Наконец, модель обучена и мы получили модель «Желаемый результат — прогноз зарплаты»!
ПО ЖЕЛАНИЮ
Вы даже можете создать образ этого (вашего) контейнера и использовать его для будущих целей.
Сначала зафиксируйте свое изображение, затем пометьте и отправьте в Docker Hub.
docker commit <container name> <image name>:version docker login docker tag <image name>:version <docker repo name> docker push <docker repo name>
Успешно отправлено, теперь вы можете получить свое собственное изображение и использовать модель ML, когда это необходимо.
Мое изображение докера для модели Salary Prediction ML:
docker pull 181930/salarypred:v1