สร้าง Bento และทำให้เป็นคอนเทนเนอร์
รวมโค้ด โมเดล และ Dependencies เป็น Bento ที่นำไปติดตั้งได้
สร้าง Bento และทำให้เป็นคอนเทนเนอร์ เป็นบทเรียน MLOps Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน MLOps Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
Bento คืออะไร
Bento คือชุดรวมที่พร้อมนำไปใช้งาน ซึ่ง BentoML สร้างขึ้น โดยบรรจุโค้ดบริการ โมเดล และส่วนที่ต้องพึ่งพาเวอร์ชันที่ตรงกันทุกประการไว้ในไฟล์เก็บถาวรเดียว 📦
ไฟล์ bentofile
คุณอธิบายการสร้างชุดรวมไว้ใน bentofile.yaml โดยระบุจุดเริ่มต้นของบริการและรายการสิ่งที่ต้องรวมไว้
service: "service:svc"รวมไฟล์ของคุณ
คุณระบุให้ BentoML ทราบว่าจะรวมไฟล์ต้นฉบับใดบ้าง คีย์ include รับรูปแบบ glob เพื่อให้ส่งออกเฉพาะโค้ดที่จำเป็น
include:
- "*.py"ตรึงแพ็กเกจ Python
ส่วนที่ต้องพึ่งพาจะอยู่ใน bentofile โดยตรง ภายใต้ python คุณระบุแพ็กเกจ เพื่อให้กระบวนการสร้างแก้ไขและรวมแพ็กเกจเหล่านั้นไว้ในชุดรวม
python:
packages:
- scikit-learnสร้าง Bento
คำสั่งเดียวจะประกอบทุกอย่างเข้าด้วยกัน bentoml build จะอ่าน bentofile และสร้าง Bento ที่มีแท็กเวอร์ชันไว้ในที่จัดเก็บของคุณ
bentoml buildแสดงรายการ Bento
Bento ที่สร้างแล้วจะแสดงอยู่ร่วมกับโมเดลของคุณ เรียกใช้ bentoml list เพื่อดูแต่ละรายการพร้อมชื่อและแท็กเวอร์ชัน
bentoml listเหตุผลที่ต้องสร้างคอนเทนเนอร์
Bento ยังคงต้องมีสภาพแวดล้อมสำหรับทำงาน การเปลี่ยนให้เป็นอิมเมจ Docker ทำให้ทำงานเหมือนกันบนเครื่องหรือคลาวด์ใดก็ได้ 🐳
จากคำสั่งเดียวสู่อิมเมจ
BentoML จะเขียน Dockerfile ให้คุณ bentoml containerize รับแท็ก Bento แล้วสร้างอิมเมจที่พร้อมใช้งาน
bentoml containerize iris_classifier:latestเรียกใช้คอนเทนเนอร์
ตอนนี้อิมเมจดังกล่าวเป็นอิมเมจปกติแล้ว คุณเริ่มใช้งานด้วย docker run และแมปพอร์ตเพื่อให้คำขอเข้าถึงบริการภายในได้
docker run -p 3000:3000 iris_classifier:latestนำไปใช้งานได้ทุกที่
อิมเมจนั้นคือสิ่งที่พร้อมนำไปติดตั้งใช้งานของคุณ ส่งไปยัง registry แล้วสภาพแวดล้อมคลาวด์หรือคลัสเตอร์ Kubernetes ใด ๆ ก็สามารถดึงไปให้บริการได้ 🚀
กำหนดอิมเมจพื้นฐานของ Docker
คุณควบคุมสภาพแวดล้อมรันไทม์ภายในอิมเมจได้ ส่วน docker ของ bentofile ช่วยให้คุณเลือกเวอร์ชัน Python หรืออิมเมจพื้นฐานได้
docker:
python_version: "3.11"ตรวจสอบอย่างรวดเร็ว
คุณเรียกใช้ bentoml build และได้ Bento มาแล้ว bentoml containerize เพิ่มอะไรจากขั้นตอนนั้น
สรุปทบทวน
คุณกำหนด bentofile เรียกใช้ bentoml build เพื่อรวมโค้ดและส่วนที่ต้องพึ่งพา จากนั้นสร้างเป็นอิมเมจ Docker ที่พร้อมส่งไปยังคลาวด์ใดก็ได้ ครบทุกขั้นตอน! 🙌
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “สร้าง Bento และทำให้เป็นคอนเทนเนอร์” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “สร้าง Bento และทำให้เป็นคอนเทนเนอร์” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส MLOps Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “สร้าง Bento และทำให้เป็นคอนเทนเนอร์”
รวมโค้ด โมเดล และ Dependencies เป็น Bento ที่นำไปติดตั้งได้ คุณปฏิบัติ MLOps Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน MLOps Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน MLOps Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “สร้าง Bento และทำให้เป็นคอนเทนเนอร์” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน MLOps Academy นี้ได้ไหม
ได้ บทเรียน MLOps Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- บันทึกโมเดลลง Bento Store
- กำหนดบริการและ API ของบริการ
- เปิดใช้การประมวลผลแบบกลุ่มปรับตามคำขอ
- สร้าง Bento และทำให้เป็นคอนเทนเนอร์