文件名称:预测streamlit-aws-eks-circleci
文件大小:668KB
文件格式:ZIP
更新时间:2024-03-02 14:48:08
Python
字幕项目 该项目是。 我们有一个经过预训练的sklearn模型, sklearn模型已经过训练,可以根据一些功能来预测 ,例如 平均房间和有关高速公路通行性的数据,师生比率等等。 使用Streamlit的滑块,用户可以输入输入以预测价格。 先决条件 。 添加具有编程访问权限的新用户。 在Circleci项目设置下将您的AWS_ACCESS_KEY_ID,AWS_SECRET_ACCESS_KEY,AWS_DEFAULT_REGION定义为环境变量。 。 在Circleci项目设置下将您的DOCKER_LOGIN,DOCKER_PASSWORD定义为环境变量。 已安装,配置和以及一个可以在其中运行.sh文件的终端。 。 或者,您可以使用 。 快速开始 git克隆 将文件夹发布到您的GitHub帐户,并将其与circleci连接 循环部署的CircleCI工作流程 我已经自动化与过
【文件预览】:
predict-streamlit-aws-eks-circleci-master
----app.py(3KB)
----screenshots()
--------ec2-page1.png(75KB)
--------create_eks_deployment_v.1.0.0.png(49KB)
--------update_eks_deployment_v.1.0.1.png(60KB)
--------success_linting.png(37KB)
--------with_script_rollingback2_v1.0.0.png(52KB)
--------with_script_rollingback_v1.0.0.png(34KB)
--------with_script_update_eks_deployment_v.1.0.1.png(70KB)
--------rollingback_v1.0.0.png(61KB)
--------update_eks_deployment2_v.1.0.1.png(64KB)
--------with_script_create_eks_deployment_v.1.0.0.png(60KB)
--------create_eks_deployment2_v.1.0.0.png(64KB)
--------rollingback2_v1.0.0.png(88KB)
--------failed_linting.png(55KB)
----Dockerfile(350B)
----deployment.yml(601B)
----github.txt(67B)
----requirements.txt(52B)
----.circleci()
--------config.yml(3KB)
----README.md(4KB)
----cloudformation()
--------delete-cluster.sh(54B)
--------rollingback.sh(112B)
--------create-or-update-eks-deployment.sh(173B)
--------check-predict-cluster.sh(87B)
--------create-eks-cluster.sh(159B)