А.И. вы потратили бесчисленное количество часов на его создание, независимо от того, является ли он таким же мощным, как JARVIS, или простым классификатором кошек и собак; они заслуживали того, чтобы их увидели. Есть много вариантов размещения вашей модели, теперь давайте рассмотрим несколько различных лагерей, в которые вы можете запрыгнуть. (1) Разместите модели AI на своем локальном хосте (для этого вам нужен статический общедоступный IP-адрес). (2) Разместите свои модели в облачных сервисах, таких как AWS cloudfront. (3) Добавьте их как навыки в Alexa или Google Assistant или просто опубликуйте их как приложение с симпатичным аватаром животного. (4) Отправьте свои коды/блокнот/модели Jupyter на GitHub, чтобы другие могли их скомпилировать и запустить. Хорошо, выбор хороший; и вот несколько советов для тех, кто сталкивается с дилеммой выбора: (а) если вы хотите, чтобы люди делали выводы из вашей модели напрямую, размещение их в облаке, вероятно, является наиболее удобным (и менее техническим) способом сделать это; но это может стоить вам целое состояние, если ваша модель популярна, как сейчас в тренде Дуа Липа. Если вы хотите, чтобы люди переобучили вашу модель (для передачи обучения); затем рекомендуется отправить свою работу в git (в .pynb), и любой сможет запустить ее в Google Colab (бесплатные графические процессоры!).
В этом посте мы покажем вам, как превратить вашу локальную модель в "производство" с помощью докера и начать вносить свой вклад в общество. Теперь, почему докер? Уже существует множество любовных историй о том, почему DevOps так любит докер. Подробнее можно прочитать здесь: ‹добавить ссылки›. В одном предложении докер - это... (хорошо, я пытался, но не могу). В общем, докер - это антитеза монолитным сервисам, где мы разбиваем большую программу с множеством функций или модулей на их атомарный уровень; что является самой услугой; затем мы помещаем их в контейнеры, помещаем в Docker Hub в виде образа, чтобы каждый мог получить к ним доступ, а также упрощает управление кодом. Подумайте об обновлении графической карты для готового, цельного, герметичного iMac 27 '(монолитная программа) по сравнению с настраиваемым модульным игровым ПК, где вы легко добавляете / заменяете компоненты (микросервисы) по своему усмотрению. Выбери лагерь :)
Обратите внимание, что этот пост написан для новичков без опыта работы с докером. Вы найдете и другие истории, связанные с этой темой, предназначенные для пуристов и экспертов. Цель этого поста - помочь новичкам с самого начала, пока у них не появится модель, доступная через Интернет на языке непрофессионала; так что не стесняйтесь пропускать любые части, которые, по вашему мнению, должны быть сохранены для вашей бабушки :). Хорошо, теперь ДАВАЙТЕ ПОЛУЧИМ ФИЗИЧЕСКОЕ.
Часть I: Настройка среды докеров
Часть II: Запуск базового контейнера (хостинг веб-сервера с использованием nginx)
Часть III: Создание собственного образа докера
Раздел бесплатных подарков:
Получите шпаргалку по основам докера здесь