Tulis Dockerfile untuk API Model
Jadikan perkhidmatan FastAPI sebagai bekas langkah demi langkah.
Tulis Dockerfile untuk API Model ialah pelajaran MLOps Academy percuma di CoddyKit. Ini ialah pelajaran 1 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran MLOps Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus MLOps Academy merangkumi sejumlah 4 pelajaran.
Mengapa Dockerfile
API model anda berjalan pada komputer riba tetapi gagal di tempat lain. Dockerfile ialah resipi yang membina persekitaran yang sama tepat di mana-mana sahaja.
Pilih Imej Asas
Setiap Dockerfile bermula dengan FROM dan imej asas. Imej Python yang ringan memberikan penterjemah tanpa sistem pengendalian yang sarat.
FROM python:3.11-slimTetapkan Direktori Kerja
Arahan WORKDIR memilih folder tempat arahan anda dijalankan. Folder itu dicipta jika belum wujud, jadi laluan seterusnya kekal kemas dan mudah dijangka.
WORKDIR /appSalin Keperluan Dahulu
Salin requirements.txt sahaja sebelum kod anda. Docker menyimpan lapisan ini dalam cache, jadi pemasangan dilangkau apabila hanya aplikasi anda berubah.
COPY requirements.txt .Pasang Kebergantungan
Jalankan pip install di dalam imej. Bendera --no-cache-dir melangkau cache pip dan menjadikan imej akhir sedikit lebih kecil.
RUN pip install --no-cache-dir -r requirements.txtSalin Kod Anda
Kini COPY seluruh projek anda ke dalamnya. Melakukannya selepas pemasangan bermaksud suntingan kod tidak membatalkan lapisan cache kebergantungan.
COPY . .Dokumentasikan Port
Arahan EXPOSE mengisytiharkan port yang didengari oleh API anda. Ini ialah dokumentasi untuk manusia dan alat, bukan pembukaan port sebenar.
EXPOSE 8000Takrifkan Arahan Permulaan
CMD menetapkan perkara yang dijalankan apabila bekas bermula. Di sini, arahan itu melancarkan Uvicorn untuk melayan aplikasi model FastAPI anda.
CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "8000"]Ikat pada Semua Antara Muka
Di dalam bekas, anda mesti melayan pada 0.0.0.0, bukan 127.0.0.1. Jika tidak, hos tidak dapat mencapai model anda melalui port yang dipetakan.
Bina Imej
Tukarkan resipi kepada imej dengan docker build. Bendera -t menandainya dengan nama yang boleh anda jalankan dan hantar kemudian.
docker build -t model-api .Lapisan Dicache
Setiap arahan menjadi lapisan yang dicache. Susunkannya daripada yang paling jarang berubah kepada yang paling kerap berubah supaya binaan semula kekal pantas.
Semakan Pantas
Mari kita semak susunan binaan yang paling mesra cache.
Imbas Kembali
Anda menulis Dockerfile: imej asas, direktori kerja, pemasangan yang dicache, salinan, expose dan arahan permulaan. API model anda kini dibina dengan cara yang sama di mana-mana sahaja. 🐳
Pelajari Python dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Soalan Lazim
Adakah pelajaran “Tulis Dockerfile untuk API Model” percuma?
Ya — teks penuh “Tulis Dockerfile untuk API Model” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus MLOps Academy, tingkat taraf kepada CoddyKit PRO. Kursus MLOps Academy merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Tulis Dockerfile untuk API Model”?
Jadikan perkhidmatan FastAPI sebagai bekas langkah demi langkah. Anda berlatih MLOps Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan MLOps Academy?
Tiada pengalaman terdahulu diperlukan. Pembelajaran MLOps Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 1 daripada 4.
Berapa lamakah pelajaran “Tulis Dockerfile untuk API Model” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Tulis Dockerfile untuk API Model
- Kecilkan Imej dengan Binaan Berbilang Peringkat
- Hantar Konfigurasi melalui Pemboleh Ubah Persekitaran
- Jalankan dan Uji Bekas Secara Setempat