Модель машинного обучения внутри контейнера Docker..

Модель машинного обучения в верхней части контейнера CentOS..

Привет всем…!!

Вот я и пришел с новой концепцией и задачей, а именно запустить нашу базовую модель машинного обучения внутри контейнера Docker. Здесь для запуска модели мы используем образ CentOS. Но прежде чем продолжить, мы должны знать об основных понятиях ML и докера.

Машинное обучение :

Машинное обучение (ML) – это изучение компьютерных алгоритмов, которые автоматически совершенствуются благодаря опыту и использованию данных. Это рассматривается как часть искусственного интеллекта. Алгоритмы машинного обучения строят модель на основе выборочных данных, известных как «данные для обучения», чтобы делать прогнозы или принимать решения без явного программирования для этого. Алгоритмы машинного обучения используются в самых разных приложениях, таких как медицина, фильтрация электронной почты и компьютерное зрение, где сложно или невозможно разработать обычные алгоритмы для выполнения необходимых задач.

Докер:

Docker — это набор продуктов платформы как услуги, которые используют виртуализацию на уровне ОС для доставки программного обеспечения в пакетах, называемых контейнерами. Контейнеры изолированы друг от друга и содержат собственное программное обеспечение, библиотеки и файлы конфигурации; они могут общаться друг с другом через четко определенные каналы.

Теперь нам нужно сначала установить службу докеров, и для этого нам нужно настроить репо для установки докеров. Все это базовая концепция, для вашего понимания обратитесь к статье ниже, в которой я уже описал весь процесс установки докера.

Из статьи выше вы можете взять часть, которая важна для установки докера. Установка Docker обязательна, потому что без нее мы не сможем выполнять дальнейшие действия.

Теперь начинается наша актуальная задача. Наш докер установлен, для подтверждения выполните следующие команды…

command:
docker --version
docker info

Теперь вы можете видеть, что наша команда выполнена успешно, что означает, что докер установлен правильно. Так что мы готовы делать и дальше..

Теперь, после установки докера, мы должны запустить службу докера. для этого используйте команду ниже ..

systemctl start docker

После запуска, если вы хотите проверить статус этой службы, которая либо запущена, либо нет, тогда для этой команды выполните команду ниже.

systemctl status docker

Здесь мы видим, что наш докер находится в рабочем режиме, это означает, что наша служба успешно запущена.

Теперь нашим следующим шагом будет получение образа, который мы хотим запустить для контейнера. Здесь я использую CentOS: последнее изображение.

Теперь, используя этот образ, мы можем запустить контейнер, для которого мы используем команду ниже.

docker run -it --name (give name to container) (Image name:(version)

Теперь мы успешно запустили контейнер и находимся внутри док-контейнера с именем «mlmodel».

мы также можем проверить, успешно ли запущен наш контейнер, используя команду docker ps.

Посмотрите, как наша ОС «mlmodel» работает отлично.

Теперь для запуска кода машинного обучения нам нужно программное обеспечение Python. Итак, сначала установите python с помощью команды yum.

yum install python3

Теперь нам также потребовались еще несколько библиотек Python, таких как pandas и scikit-learn, которые мы используем для создания модели.

pip3 install pandas

pip3 install scikit-learn

Теперь давайте создадим отдельную папку внутри контейнера для развертывания нашего кода машинного обучения.

Теперь, прежде чем использовать модель машинного обучения, нам нужно, чтобы наш набор данных был готов. поэтому давайте скопируем наш набор данных Salary с хоста в контейнер docker.

Теперь давайте напишем код машинного обучения для обучения модели на основе заданного набора данных. Здесь я создаю один файл с расширением .py для написания кода.

Теперь запустите приведенный выше код, и наша модель будет создана.

python3 Task1

Здесь мы видим успешное выполнение нашего кода, а также успешное обучение и сохранение нашей модели.

Теперь нам нужно протестировать нашу обученную модель, поэтому давайте напишем код для проверки нашей модели. Для этого также мы должны создать новый файл.

Теперь мы должны запустить этот код и предсказать зарплату, дав опыт. Так что проверим..

Здесь мы видим, что наша модель работает правильно, а также прогнозирует зарплату для данного опыта.

Итак, наша модель создана, успешно обучена и предсказывает значения. Я надеюсь, что эта статья поможет вам, и вы также создали свою собственную модель.

Большое спасибо, что прочитали это. Если вам это нравится, пожалуйста, хлопайте. А также хотите связаться со мной, тогда ниже ссылка на мой профиль в LinkedIn…

Большое спасибо… Продолжайте учиться..