Постановка задачи :
1. Создайте образ контейнера с Python3 и Keras или numpy, установленными с помощью файла dockerfile.
2. Когда мы запускаем этот образ, он должен автоматически запускать обучение модели в контейнере.
3. Создайте цепочку заданий job1, job2, job3, job4 и job5, используя подключаемый модуль конвейера сборки в Jenkins.
4. Job1: автоматическое получение репозитория Github, когда некоторые разработчики отправляют репозиторий на Github.
5. Job2: просмотрев код или программный файл, Дженкинс должен автоматически запустить соответствующее программное обеспечение для машинного обучения, установить интерпретатор, установить контейнер образа, чтобы развернуть код и начать обучение (например, если код использует CNN, тогда Дженкинс должен запустить контейнер, который уже установлено все программное обеспечение, необходимое для обработки cnn).
6. Job3: Обучите свою модель и предскажите точность или показатели.
7. Job4: если точность метрик меньше 80%, то необходимо настроить архитектуру модели машинного обучения.
8. Job5: переобучить модель или уведомить, что создается лучшая модель.
9. Создайте одно дополнительное задание job6 для монитора: если контейнер, в котором запущено приложение. происходит сбой по какой-либо причине, то это задание должно автоматически снова запускать контейнер с того места, где осталась последняя обученная модель.
РЕШЕНИЕ :-
- Создание репозитория Git
- Создание Job 1 с Jenkins, который будет тянуть код с github:
2. Создание образа Docker путем создания Dockerfile:
3. Создание задания 2: проверка кода Дженкинсом
4. Создание задания 3: мониторинг модели
5. Создание задания 4: настройка модели
6. Создание задания 5: Отправка почты
7. Создание задания 6: мониторинг контейнера
