MLOps Academy · Lektion

Ein Bento bauen und containerisieren

Bündeln Sie Code, Modell und Abhängigkeiten in einem deploybaren Bento.

Lektion 4 von 413 Schritte

Ein Bento bauen und containerisieren ist eine kostenlose MLOps Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des MLOps Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.

Was ein Bento ist

Ein Bento ist das bereitstellbare Paket, das BentoML erstellt. Es bündelt Ihren Service-Code, das Modell und die exakt benötigten Abhängigkeiten in einem Archiv. 📦

Die bentofile

Sie beschreiben den Build in einer bentofile.yaml. Darin werden der Einstiegspunkt des Service benannt und die einzuschließenden Bestandteile aufgelistet.

service: "service:svc"

Eigene Dateien einschließen

Sie geben BentoML an, welche Quelldateien gebündelt werden sollen. Der Schlüssel include verwendet Glob-Muster, sodass nur der benötigte Code ausgeliefert wird.

include:
  - "*.py"

Python-Pakete versionieren

Die Abhängigkeiten stehen direkt in der bentofile. Unter python listen Sie die Pakete auf, damit der Build sie in das Paket aufnimmt.

python:
  packages:
    - scikit-learn

Das Bento erstellen

Ein einziger Befehl fügt alles zusammen. bentoml build liest die bentofile ein und erzeugt ein versioniertes Bento in Ihrem Store.

bentoml build

Bentos auflisten

Erstellte Bentos werden neben Ihren Modellen angezeigt. Führen Sie bentoml list aus, um jedes Bento mit seinem Namen und Versions-Tag zu sehen.

bentoml list

Warum containerisieren?

Ein Bento benötigt weiterhin eine Laufzeitumgebung. Wenn Sie es in ein Docker-Image umwandeln, läuft es auf jedem Rechner und in jeder Cloud identisch. 🐳

Mit einem Befehl zum Image

BentoML schreibt die Dockerfile für Sie. bentoml containerize nimmt ein Bento-Tag entgegen und erstellt ein sofort ausführbares Image.

bentoml containerize iris_classifier:latest

Den Container ausführen

Nun handelt es sich um ein normales Image. Sie starten es mit docker run und ordnen den Port zu, damit Anfragen den darin laufenden Service erreichen.

docker run -p 3000:3000 iris_classifier:latest

Überall bereitstellen

Dieses Image ist Ihr bereitstellbares Artefakt. Übertragen Sie es in eine Registry, und jede Cloud-Laufzeitumgebung oder jeder Kubernetes-Cluster kann es abrufen und den Service bereitstellen. 🚀

Ein Docker-Basis-Image festlegen

Sie können die Laufzeitumgebung innerhalb Ihres Images steuern. Im Abschnitt docker der bentofile können Sie eine Python-Version oder ein Basis-Image auswählen.

docker:
  python_version: "3.11"

Kurze Überprüfung

Sie haben bentoml build ausgeführt und ein Bento erhalten. Was fügt bentoml containerize darüber hinaus hinzu?

Beantworte es in der interaktiven Lektion

Zusammenfassung

Sie haben eine bentofile definiert, mit bentoml build Code und Abhängigkeiten gebündelt und daraus anschließend ein Docker-Image erstellt, das in jede Cloud ausgeliefert werden kann. Durchgängig umgesetzt! 🙌

Kostenlos starten

Lerne Python mit einem KI-Tutor — kostenlos

Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.

Kurse: 30
Lektionen: 120

Kostenlos lernen Den vollständigen Kurs ansehen

Häufig gestellte Fragen

Ist die Lektion „Ein Bento bauen und containerisieren“ kostenlos?

Ja — der vollständige Text von „Ein Bento bauen und containerisieren“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des MLOps Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Ein Bento bauen und containerisieren“?

Bündeln Sie Code, Modell und Abhängigkeiten in einem deploybaren Bento. Du übst MLOps Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um MLOps Academy zu starten?

Keine Vorkenntnisse erforderlich. MLOps Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.

Wie lange dauert die Lektion „Ein Bento bauen und containerisieren“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser MLOps Academy-Lektion Code schreiben und ausführen?

Ja. Jede MLOps Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

← Zurück zu MLOps Academy