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:2024-05-24 09:09:09
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)