Шаги, которые необходимо выполнить для выполнения этой задачи👨💻
👉 Извлеките образ контейнера Docker из образа CentOS из DockerHub и создайте новый контейнер
👉Установите программное обеспечение Python поверх док-контейнера
👉 В Container вам нужно скопировать/создать модель машинного обучения, которую вы создали в блокноте Jupyter
Необходимо
✔Любая ОС с установленным Docker.
✔Наличие набора данных.
Чтобы проверить, установлен ли Docker в вашей системе, выполните следующую команду, чтобы проверить это.
Command-: информация о докере
Теперь, чтобы запустить службу docker, введите команду systemctl start docker. После ввода этой команды проверьте состояние запущенной службы докеров с помощью команды systemctl status docker.
Теперь служба докеров запущена. Пришло время загрузить образ CentOS из DockerHub в нашу систему Red Hat Enterprise Linux 8.
Команда для извлечения любого образа: docker pull ‹image_name›:‹version_name›
Чтобы просмотреть загруженные изображения, введите команду docker images.
Итак, нужный образ скачан. Теперь мы можем создать контейнер, используя этот образ.
Команда для создания контейнера: docker run -it centos : last
Теперь новый контейнер работает с именем образа Centos последней версии.
Теперь нам нужно установить python3 внутри этого контейнера.
Command-: yum install python3-pip
Теперь, после установки python3, установите библиотеки python, чтобы мы могли работать с набором данных.
Установите библиотеку pandas, чтобы мы могли читать или загружать набор данных, созданный в файле Excel с расширением .csv.
Command-: pip3 install pandas
Наряду с этим установлена библиотека numpy с библиотекой pandas.
Теперь установите библиотеку scikit-learn, которая предоставляет множество полезных функций и алгоритмов для создания моделей машинного обучения.
После завершения установки наша базовая среда готова к использованию. Теперь нам нужен набор данных внутри контейнера для работы.
Итак, сначала загрузите свой набор данных на Github и загрузите его в контейнер с помощью команды git clone.
Перед запуском вышеуказанной команды убедитесь, что git установлен в контейнере или нет.
Чтобы установить git в контейнер, выполните команду: yum install git
Вот ссылка на репозиторий github для загрузки набора данных:
Теперь у нас есть набор данных внутри контейнера.
Итак, теперь нам нужно создать файл сценария Python с именем salaryml.py, чтобы обучить нашу модель и запустить ее в нашей рабочей среде.
Для создания файла мы используем редактор vi -: vi зарплата мл.py
Вот код python модели-:
Теперь запустите этот файл, чтобы проверить, работает он или нет. Чтобы запустить этот файл, используйте команду python3 employeeml.py.
Браво.. Здесь наш код был успешно запущен. Теперь нам нужно создать еще один файл скрипта Python с именем salarypredict.py, чтобы предсказать зарплату за несколько лет опыта.
Для создания файла salarypredict.py: vi salarypredict.py
Вот код Python-:
Теперь запустите этот файл. Во-первых, он загрузит модель и спрогнозирует зарплату на основе многолетнего опыта.
Ура!… Код успешно запущен. 😊
Теперь мы успешно создали модель ML и выполнили прогнозирование внутри контейнера Docker.
Спасибо за прочтение 😍
