0Pricing
MLOps Academy · Pelajaran

Bangun Bento dan Kontainerkan

Gabungkan kode, model, dan dependensi ke dalam Bento yang siap diterapkan.

Bangun Bento dan Kontainerkan adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.

Apa Itu Bento

Bento adalah paket yang dapat diterapkan dan dibuat oleh BentoML. Paket ini memuat kode service, model, serta dependensi yang persis sama ke dalam satu arsip. 📦

File bentofile

Anda menjelaskan proses build dalam bentofile.yaml. File ini menetapkan titik masuk service dan mencantumkan hal-hal yang perlu disertakan.

service: "service:svc"

Sertakan File Anda

Anda memberi tahu BentoML file sumber mana yang harus disertakan dalam paket. Kunci include menerima pola glob sehingga hanya kode yang diperlukan yang dikirim.

include:
  - "*.py"

Tetapkan Paket Python

Dependensi ditempatkan langsung di bentofile. Di bawah python, Anda mencantumkan paket agar proses build memasukkannya ke dalam paket.

python:
  packages:
    - scikit-learn

Build Bento

Satu perintah merakit semuanya. bentoml build membaca bentofile dan menghasilkan Bento berversi di penyimpanan Anda.

bentoml build

Daftar Bento Anda

Bento yang telah dibuat muncul bersama model Anda. Jalankan bentoml list untuk melihat masing-masing Bento beserta nama dan tag versinya.

bentoml list

Mengapa Menggunakan Kontainer

Bento tetap membutuhkan runtime. Mengubahnya menjadi image Docker membuatnya berjalan secara identik di mesin atau cloud mana pun. 🐳

Satu Perintah Menjadi Image

BentoML menulis Dockerfile untuk Anda. bentoml containerize menerima tag Bento dan membuat image yang siap dijalankan.

bentoml containerize iris_classifier:latest

Jalankan Kontainer

Sekarang image tersebut dapat digunakan seperti biasa. Anda menjalankannya dengan docker run, lalu memetakan port agar permintaan dapat mencapai service di dalamnya.

docker run -p 3000:3000 iris_classifier:latest

Kirim ke Mana Saja

Image tersebut adalah artefak yang dapat diterapkan. Kirim ke sebuah registry, lalu runtime cloud atau klaster Kubernetes mana pun dapat mengambil dan menyajikannya. 🚀

Tetapkan Base Image Docker

Anda dapat mengendalikan runtime di bawah image Anda. Bagian docker pada bentofile memungkinkan Anda memilih versi atau base Python.

docker:
  python_version: "3.11"

Pemeriksaan Singkat

Anda menjalankan bentoml build dan mendapatkan sebuah Bento. Apa yang ditambahkan oleh bentoml containerize di atas hasil tersebut?

Ringkasan

Anda mendefinisikan bentofile, menjalankan bentoml build untuk mengemas kode dan dependensi, lalu mengubahnya menjadi image Docker yang siap dikirim ke cloud mana pun. Dari awal hingga akhir! 🙌

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Bangun Bento dan Kontainerkan” gratis?

Ya — teks lengkap “Bangun Bento dan Kontainerkan” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Bangun Bento dan Kontainerkan”?

Gabungkan kode, model, dan dependensi ke dalam Bento yang siap diterapkan. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai MLOps Academy?

Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Bangun Bento dan Kontainerkan” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?

Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Simpan Model ke Bento Store
  2. Tentukan Layanan dan API-nya
  3. Aktifkan Micro-Batching Adaptif
  4. Bangun Bento dan Kontainerkan
← Kembali ke MLOps Academy