sagify 0.17.6

生成状态

主人：

矢状

这是一个命令行实用程序，可以在aws sagemaker上培训和部署机器学习/深度学习模型，只需几个简单步骤！

有关sagify命令的详细参考，请转到：阅读文档

安装

先决条件

Sagify要求如下：

1. 巨蟒（2.7、3.5、3.6）
2. Docker已安装并正在运行
3. 已配置awscli

安装Sagify

在命令行：

pip install sagify

开始

步骤1：克隆深度学习计算器存储库

您将克隆并训练一个深入学习的代码库，以评估最多3位整数的算术加法。

克隆存储库：

git clone https://github.com/Kenza-AI/deep-learning-addition.git

或者，如果要使用python2.7，请将test_environment.py和makefile中的必需的python和python解释器的值分别替换为python2。

创建环境：

make create_environment

在创建环境后，不要忘记通过执行working in deep learning addition来激活virtualenv

安装依赖项：

make requirements

生成培训和验证数据：

make data

步骤2：初始化sagify

sagify init

在sagemaker app name中键入deep learning addition，在中键入n是否正在启动新项目？，src对于问题请键入代码所在的目录，并确保选择首选的python版本、aws配置文件、aws区域以及requirements.txt的路径

在您提供的目录下创建了一个名为sagify的模块。结构是：

sagify/
    local_test/
        test_dir/
            input/
                config/
                    hyperparameters.json
                data/
                    training/
            model/
            output/
        deploy_local.sh
        train_local.sh
    prediction/
        __init__.py
        nginx.conf
        predict.py
        predictor.py
        serve
        wsgi.py
    training/
        __init__.py
        train
    __init__.py
    build.sh
    Dockerfile
    executor.sh
    push.sh

一个.sagify.json文件也会在您运行sagify init命令的目录中创建，该命令保存您为项目名称等提供的值。

步骤3：集成Sagify

作为一个数据科学家，你只需要采取一些行动。Sagify负责其余部分：

1. 复制sagify/local_test/test_dir/input/data/training/下的训练数据子集，测试训练是否在本地工作
2. 在sagify/training/train中实现train（…）功能
3. 在sagify/prediction/predict.py中实现predict（…）函数
4. 也可以在sagify/local_test/test_dir/input/config/hyperparameters.json中指定超参数

因此，

1. 将文件从data/processed/复制到sagify/local_test/test_dir/input/data/training/

2. 将try..中的TODOS替换为：

    train_model.train(input_path=input_data_path, output_path=model_save_path)
   

   在文件顶部的导入回溯之后，添加：

    from src.models import train_model
   

   try..except的主体应该如下所示：

   pip install sagify
   

   0

3. 将sagify/prediction/predict.py中的predict（…）函数的主体替换为：

   pip install sagify
   

   1

   替换get_model（）的主体modelservice中的action在同一个文件中使用：

   pip install sagify
   

   2

第四步：建立docker镜像

是时候构建包含深度学习附加代码库的Docker图像了：

pip install sagify

pip install sagify

pip install sagify

pip install sagify

pip install sagify

pip install sagify

pip install sagify

sagify init

git clone https://github.com/Kenza-AI/deep-learning-addition.git

pip install sagify

pip install sagify

pip install sagify

pip install sagify

make create_environment

make create_environment

make create_environment

make create_environment

pip install sagify

make create_environment

make requirements

make requirements