Начало работы с деплоями
В этом документе описаны условия и алгоритм работы с деплоями на платформе ML Space и приведен пример развертывания модели для распознавания кошек и собак на изображениях.
Предварительные условия
Для развертывания модели в модуле Deployments необходимо:
обучить и сериализовать модель;
создать serving-скрипт, описывающий взаимодействие с моделью;
загрузить обученную модель и serving-скрипт во внешнее объектное хранилище S3.
Работа с модулем Deployments
Работа с модулем предполагает следующую последовательность действий:
Сборка Docker-образа с моделью на основе базового или кастомного образа.
Развертывание образа с моделью на указанной конфигурации.
Отправка HTTP-запросов к модели вручную или от автоматизированных систем.
Пример развертывания модели
Рассмотрим пример развертывания модели по описанному выше алгоритму.
Предположим, у пользователя есть модель, обученная распознавать кошек и собак на изображениях.
Также у пользователя есть serving-скрипт, который описывает взаимодействие с моделью.
Задача состоит в том, чтобы развернуть эту модель и впоследствии передавать ей новые данные в виде HTTP-запросов.
Для решения поставленной задачи необходимо:
Сериализовать модель, например, в формат h5:
model.save('final_model.h5')Загрузить модель и serving-скрипт в бакет пользователя на S3.
Собрать Docker-образ c моделью на основе кастомного образа.
Развернуть образ в модуле. Обратите внимание на возможность динамически изменять конфигурацию деплоя.
Что дальше
После развертывания образа можно передавать модели новые данные в виде HTTP-запросов.
- Предварительные условия
- Работа с модулем Deployments
- Пример развертывания модели
- Что дальше