PricingLoginStart free
MLOps Academy · Leçon

Construire un Bento et le conteneuriser

Regroupez le code, le modèle et les dépendances dans un Bento déployable.

Leçon 4 sur 413 étapes

Construire un Bento et le conteneuriser est une leçon MLOps Academy gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage MLOps Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours MLOps Academy comprend 4 leçons au total.

Qu’est-ce qu’un Bento ?

Un Bento est le paquet déployable créé par BentoML. Il regroupe votre code de service, le modèle et les dépendances exactes dans une seule archive. 📦

Le bentofile

Vous décrivez la compilation dans un bentofile.yaml. Celui-ci indique le point d’entrée du service et répertorie les éléments à inclure.

service: "service:svc"

Incluez vos fichiers

Vous indiquez à BentoML quels fichiers sources regrouper. La clé include accepte des motifs glob afin que seul le code nécessaire soit livré.

include:
  - "*.py"

Figez les paquets Python

Les dépendances sont directement définies dans le bentofile. Sous python, vous répertoriez les paquets afin que la compilation les résolve dans le paquet.

python:
  packages:
    - scikit-learn

Compilez le Bento

Une seule commande assemble tous les éléments. bentoml build lit le bentofile et produit un Bento versionné dans votre espace de stockage.

bentoml build

Répertoriez vos Bentos

Les Bentos compilés apparaissent à côté de vos modèles. Exécutez bentoml list pour afficher chacun d’eux avec son nom et son identifiant de version.

bentoml list

Pourquoi utiliser un conteneur ?

Un Bento a toujours besoin d’un environnement d’exécution. Le transformer en image Docker permet de l’exécuter à l’identique sur n’importe quelle machine ou dans n’importe quel cloud. 🐳

Une commande pour créer une image

BentoML rédige le Dockerfile pour vous. bentoml containerize prend l’identifiant d’un Bento et construit une image prête à l’emploi.

bentoml containerize iris_classifier:latest

Exécutez le conteneur

Il s’agit maintenant d’une image normale. Vous la démarrez avec docker run en mappant le port afin que les requêtes atteignent le service qu’elle contient.

docker run -p 3000:3000 iris_classifier:latest

Déployez-le n’importe où

Cette image est votre artefact déployable. Envoyez-la vers un registre afin que n’importe quel environnement cloud ou cluster Kubernetes puisse la récupérer et la servir. 🚀

Définissez une image de base Docker

Vous pouvez contrôler l’environnement d’exécution situé sous votre image. La section docker du bentofile vous permet de choisir une version de Python ou une image de base.

docker:
  python_version: "3.11"

Vérification rapide

Vous avez exécuté bentoml build et obtenu un Bento. Qu’ajoute bentoml containerize ?

Réponds-y dans la leçon interactive

Récapitulatif

Vous avez défini un bentofile, exécuté bentoml build pour regrouper le code et les dépendances, puis créé une image Docker prête à être livrée dans n’importe quel cloud. De bout en bout ! 🙌

Gratuit pour commencer

Apprends Python avec un tuteur IA — gratuit

Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.

Cours
30
Leçons
120
Commencer gratuitementVoir le cours complet

Questions Fréquemment Posées

La leçon « Construire un Bento et le conteneuriser » est-elle gratuite ?

Oui — le texte complet de « Construire un Bento et le conteneuriser » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours MLOps Academy, passe à CoddyKit PRO. Le cours MLOps Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Construire un Bento et le conteneuriser » ?

Regroupez le code, le modèle et les dépendances dans un Bento déployable. Tu pratiques MLOps Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer MLOps Academy ?

Aucune expérience préalable n'est requise. MLOps Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.

Combien de temps prend la leçon « Construire un Bento et le conteneuriser » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon MLOps Academy ?

Oui. Chaque leçon MLOps Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Enregistrer un modèle dans le magasin Bento
  2. Définir un service et son API
  3. Activer le microtraitement adaptatif par lots
  4. Construire un Bento et le conteneuriser
← Retour à MLOps Academy