Model API'sini Docker ile Konteynerleştirme
FastAPI + model için Dockerfile, çok aşamalı derlemeler, sağlık kontrolü uç noktası, docker-compose.
Model API'sini Docker ile Konteynerleştirme, CoddyKit'te ücretsiz bir Learn AI with Python dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Learn AI with Python öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Learn AI with Python kursu toplamda 4 dersten oluşur.
Docker Neden Kullanılır?
Docker, API'nizi, Python sürümünü ve tüm bağımlılıklarını her makinede aynı şekilde çalışan tek bir taşınabilir imajda paketler. "Benim bilgisayarımda çalışıyor" sorunlarını ortadan kaldırır ve ML hizmetlerini dağıtmanın standart yoludur.
Dockerfile
Dockerfile, derleme adımlarından oluşan bir tariftir. Her yönerge önbelleğe alınan bir katman oluşturur; bu nedenle adımları doğru sıraya koymak yeniden derlemeleri hızlandırır.
FROM python:3.11-slim
FROM satırı bir temel imaj seçer. python:3.11-slim, Python'un önceden kurulu olduğu küçük bir Debian imajıdır; tam imajdan çok daha hafiftir ve nihai boyutunuzu ve saldırı yüzeyinizi küçültür.
FROM python:3.11-slimWORKDIR /app
WORKDIR, kapsayıcı içindeki çalışma dizinini belirler; sonraki COPY ve RUN komutları bu dizine göre çalışır ve yolların düzenli kalmasını sağlar.
WORKDIR /appÖnce requirements.txt Dosyasını COPY Etme
Kaynak koddan önce yalnızca requirements.txt dosyasını COPY edin. Docker katmanları önbelleğe aldığı için bağımlılıklar her kod düzenlemesinde değil, yalnızca requirements değiştiğinde yeniden kurulur; bu da yeniden derlemeleri büyük ölçüde hızlandırır.
COPY requirements.txt .RUN pip install --no-cache-dir
RUN, bir derleme komutunu çalıştırır. --no-cache-dir, pip indirme önbelleğini atlayarak imajın daha küçük kalmasını sağlar (imajın içindeki önbellek zaten işe yaramaz).
RUN pip install --no-cache-dir -r requirements.txtKaynak Kodu COPY Etme
Şimdi uygulamanızın geri kalanını kopyalayın. Bunu pip kurulumundan sonra yapmak, kodu düzenlemenizin önbelleğe alınmış bağımlılık katmanını geçersiz kılmasını önler.
COPY . .EXPOSE 8000
EXPOSE, kapsayıcının hangi bağlantı noktasını dinlediğini belgeler. Bağlantı noktasını kendisi yayımlamaz (bunu çalışma zamanında -p ile yaparsınız); ancak okuyuculara ve araçlara niyeti bildirir.
EXPOSE 8000CMD Yönergesi
CMD, kapsayıcı başladığında çalıştırılacak varsayılan komutu tanımlar. Burada, kapsayıcının dışından erişilebilmesi için 0.0.0.0 adresine bağlanan uvicorn'ı başlatıyoruz.
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]Eksiksiz Dockerfile
Tüm parçalar doğru ve önbellek dostu sırada:
FROM python:3.11-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
EXPOSE 8000
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]Derleme ve Çalıştırma
İmajı bir etiketle derleyin, ardından -p ile kapsayıcı bağlantı noktasını ana makinenizdeki bir bağlantı noktasına eşleyerek çalıştırın.
# terminal
docker build -t model-api .
docker run -p 8000:8000 model-apiHızlı Kontrol
Docker bilginizi sınayın.
Özet
API'yi Docker ile paketlediniz: FROM python:3.11-slim, WORKDIR /app, önce requirements.txt dosyasını COPY etme, RUN pip install --no-cache-dir, kaynak kodu kopyalama, EXPOSE 8000 ve uvicorn'ı başlatan bir CMD. Katman önbelleğe almasını sağlamak için adımları sıralamak yeniden derlemeleri hızlı tutar. Böylece FastAPI ile sunma kursu ve bu içerik grubu tamamlanıyor.
Sıkça Sorulan Sorular
“Model API'sini Docker ile Konteynerleştirme” dersi ücretsiz mi?
Evet — “Model API'sini Docker ile Konteynerleştirme” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Learn AI with Python kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Learn AI with Python kursu toplamda 4 dersten oluşur.
“Model API'sini Docker ile Konteynerleştirme” dersinde ne öğreneceğim?
FastAPI + model için Dockerfile, çok aşamalı derlemeler, sağlık kontrolü uç noktası, docker-compose. Learn AI with Python ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Learn AI with Python öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Learn AI with Python, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.
“Model API'sini Docker ile Konteynerleştirme” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Learn AI with Python dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Learn AI with Python dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Makine Öğrenmesi Mühendisleri için FastAPI Temelleri
- İstek ve Yanıt için Pydantic Şemaları
- Makine Öğrenmesi Modellerini Yükleme ve Sunma
- Model API'sini Docker ile Konteynerleştirme