【文件属性】：
文件名称：mlops-lab-example-yelp:使用PyTorch预测Yelp评论的MLOps实验室示例
文件大小：611KB
文件格式：ZIP
更新时间：2021-05-04 15:22:29
docker kubernetes serverless postgresql gcp
MLOps社区实验1：小组3：Yelp评论分类
请在我们的找到更多信息 :upside-down_face:
很棒的MLOps社区
:party_popper: 是面向MLOps的开放，免费，透明的场所，从业人员可以就MLOps（DevOps for ML）的经验和最佳实践进行协作。
真棒实验室计划
是一个教育项目，旨在 以下 ：
玩得开心 :partying_face:
学 :nerd_face:
分享 :handshake:
真棒实验室1
第是关于与集成。 要解决的机器学习问题是一个*选择。
模型开发
我们的团队选择了基于的评论分类问题。 数据包括饭店，博物馆，医院等的评论列表，以及与此评论相关的星级数（0-5）。 我们将此任务建模为一个二元分类问题：评论是肯定的（大于等于3星）还是否定的（小于等于3星）。 根据，我们实现了一个模型，该模型包括2个层： EmbeddingBag和线性层，然后是S型激活函数（使用 ）。 请在./src中找到代码。 非常感谢@ paulomaia20处理此问题！ :nerd_face:
【文件预览】：
mlops-lab-example-yelp-main
----.gitignore(1KB)
----Dockerfile(165B)
----web_ui()
--------credentials.toml(39B)
--------Dockerfile(192B)
--------requirements.txt(42B)
--------config.toml(4KB)
--------docker-compose.yml(124B)
--------yelp.png(27KB)
--------main.py(4KB)
----model_server()
--------Dockerfile(312B)
--------app()
--------requirements.txt(32B)
--------Makefile(1KB)
--------k8s()
----gcp()
--------Makefile(450B)
--------README.md(5KB)
--------mlflow.Dockerfile(169B)
----requirements.txt(82B)
----Makefile(662B)
----src()
--------__init__.py(0B)
--------utils.py(394B)
--------predict.py(2KB)
--------model.py(2KB)
--------train.py(3KB)
----.dockerignore(86B)
----MLProject(637B)
----LICENSE(1KB)
----notebooks()
--------.gitkeep(0B)
--------avg_embedding.ipynb(10KB)
----scripts()
--------neuro()
----README.md(15KB)
----model_proxy()
--------Dockerfile(186B)
--------app()
--------requirements.txt(128B)
--------Makefile(2KB)
--------__init__.py(0B)
--------k8s()
----model_operator()
--------Dockerfile(487B)
--------app()
--------requirements.txt(29B)
--------Makefile(1KB)
--------k8s()
----img()
--------webtail-deploy.png(209KB)
--------streamlit.png(194KB)
--------mlflow-front.png(103KB)
--------mlflow-deploy.png(83KB)