Обзор задачи
👉 Извлеките образ контейнера Docker из образа CentOS из DockerHub и создайте новый контейнер.
👉 Установите программное обеспечение Python поверх док-контейнера.
👉 В контейнере создайте модель машинного обучения.
Предварительное условие
- Докер должен быть установлен в вашей системе.
- Отключить брандмауэр.
Этапы выполнения задачи
- Сначала нам нужно вытащить образ Centos из DockerHub.
Теперь последняя версия образа Centos загружена.
2. Создайте контейнер, используя команду ниже
docker run -it --name ct1 centos:latest
Теперь у нас есть новый созданный контейнер с именем ct1 с последней версией образа Centos.
3. Теперь нам нужно установить python3 внутри, чтобы мы могли загружать различные библиотеки машинного обучения.
yum install python3-pip
4. Теперь установите библиотеку pandas, чтобы мы могли загрузить набор данных.
pip3 install pandas
Он также скачал библиотеку numpy.
5. Теперь нам нужно загрузить библиотеку scikit-learn, которая предоставляет функции для создания моделей ML.
pip3 install scikit-learn
После выполнения всех вышеперечисленных шагов наша базовая среда готова. Теперь нам нужно получить набор данных внутри док-контейнера.
Для этого я использовал программное обеспечение WinSCP, вы также можете использовать любые другие методы.
Теперь у нас есть набор данных в Rhel8, но он нужен нам в докере. Итак, для этого выполните следующие команды.
docker cp <SOURCEFILE_PATH> <CONTAINER_NAME>:<DESTINATION_PATH> SOURCEFILE_PATH: Path to the file inside your baseOS i.e here RHEL8 CONTAINER_NAME: Path of the container name in which you want to transfer file. Note: Container should be running. DESTINATION_PATH: Path inside docker container where you wanted to copy the file from baseOS.
Теперь набор данных находится в нашем Docker.
Теперь пришло время создать скрипт Python, который может обучать нашу модель и сохранять модель в нашей рабочей области.
6. Создайте файл с помощью vi.
vi ml.py
Напишите ниже код в ml.py
import pandas ds= pandas.read_csv('SalaryData.csv') from sklearn.linear_model import LinearRegression mind= LinearRegression() x= ds['YearsExperience'].values.reshape(30, 1) y= ds['Salary'] mind.fit(x,y) output= mind.predict([[3]]) print(output)
После этого нажмите Esc, затем :wq, чтобы сохранить и закрыть этот файл.
7. Теперь мы запустим этот файл, чтобы увидеть наш OUTPUT, используя python3 ml.py
Теперь мы успешно создали модель и сделали прогноз внутри контейнера докеров.
Вот и все, мы закончили!
Счастливого обучения !! ✌