Skip to content

wbe7/mlops-factory

Repository files navigation

MLOps Factory

Локальный запуск и отладка

  1. Создайте и активируйте виртуальное окружение:

    python3 -m venv .venv
    source .venv/bin/activate
  2. Установите зависимости:

    pip install -r requirements.txt
  3. Настройте переменные окружения:

    cp .env.example .env
    # Заполните .env файл необходимыми значениями
  4. Настройте креды для DVC S3:

    dvc remote modify --local s3-origin access_key_id $S3_ACCESS_KEY_ID
    dvc remote modify --local s3-origin secret_access_key $S3_SECRET_ACCESS_KEY
    dvc pull
  5. Обучите модель:

    dvc repro
  6. Запустите API-сервер:

    uvicorn app:app --reload --port 8000
  7. Отправьте тестовый запрос: Откройте второй терминал и выполните следующий curl запрос для проверки эндпоинта /predict.

    curl -X 'POST' \
      'http://127.0.0.1:8000/predict' \
      -H 'Content-Type: application/json' \
      -d '{ 
        "MedInc": 8.3, 
        "HouseAge": 41, 
        "AveRooms": 6.9, 
        "AveBedrms": 1, 
        "Population": 322, 
        "AveOccup": 2.5, 
        "Latitude": 37.8, 
        "Longitude": -122.2 
      }'

About

An end-to-end MLOps project template for training and deploying a machine learning model on Kubernetes using DVC, MLflow, and Helm.

Resources

Stars

Watchers

Forks

Packages

 
 
 

Contributors