0Pricing
MLOps Academy · Lekcja

Budowanie Bento i umieszczanie go w kontenerze

Połącz kod, model i zależności w Bento gotowe do wdrożenia

Budowanie Bento i umieszczanie go w kontenerze to bezpłatna lekcja MLOps Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej MLOps Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs MLOps Academy zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

What a Bento Is

A Bento is the deployable bundle BentoML builds. It packs your service code, the model, and the exact dependencies into one archive. 📦

The bentofile

You describe the build in a bentofile.yaml. It names the service entry point and lists what to include.

service: "service:svc"

Include Your Files

You tell BentoML which source files to bundle. The include key takes globs so only the code you need ships.

include:
  - "*.py"

Pin Python Packages

Dependencies live right in the bentofile. Under python you list packages so the build resolves them into the bundle.

python:
  packages:
    - scikit-learn

Build the Bento

One command assembles everything. bentoml build reads the bentofile and produces a versioned Bento in your store.

bentoml build

List Your Bentos

Built Bentos show up alongside your models. Run bentoml list to see each one with its name and version tag.

bentoml list

Why Containerize

A Bento still needs a runtime. Turning it into a Docker image makes it run identically on any machine or cloud. 🐳

One Command to an Image

BentoML writes the Dockerfile for you. bentoml containerize takes a Bento tag and builds a ready-to-run image.

bentoml containerize iris_classifier:latest

Run the Container

Now it is a normal image. You start it with docker run, mapping the port so requests reach the service inside.

docker run -p 3000:3000 iris_classifier:latest

Ship It Anywhere

That image is your deployable artifact. Push it to a registry and any cloud runtime or Kubernetes cluster can pull and serve it. 🚀

Set a Docker Base Image

You can control the runtime under your image. The docker section of the bentofile lets you pick a Python version or base.

docker:
  python_version: "3.11"

Quick Check

You ran bentoml build and got a Bento. What does bentoml containerize add on top of that?

Recap

You defined a bentofile, ran bentoml build to bundle code and deps, then containerized it into a Docker image ready to ship to any cloud. End to end! 🙌

Często zadawane pytania

Czy lekcja „Budowanie Bento i umieszczanie go w kontenerze” jest bezpłatna?

Tak — pełny tekst „Budowanie Bento i umieszczanie go w kontenerze” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu MLOps Academy, przejdź na CoddyKit PRO. Kurs MLOps Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Budowanie Bento i umieszczanie go w kontenerze”?

Połącz kod, model i zależności w Bento gotowe do wdrożenia Ćwiczysz MLOps Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć MLOps Academy?

Nie wymagamy żadnego doświadczenia. MLOps Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.

Ile czasu zajmuje lekcja „Budowanie Bento i umieszczanie go w kontenerze”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji MLOps Academy?

Tak. Każda lekcja MLOps Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Zapisywanie modelu w Bento Store
  2. Definiowanie usługi i jej API
  3. Włączanie adaptacyjnego mikrobatchingu
  4. Budowanie Bento i umieszczanie go w kontenerze
← Powrót do MLOps Academy