如何使用 docker 容器化一个简单的机器学习 python 应用程序？答案

【问题标题】：How to containerize a simple machine learning python application using docker?如何使用 docker 容器化一个简单的机器学习 python 应用程序？
【发布时间】：2019-01-26 09:22:05
【问题描述】：

repo 中的代码显示了如何创建一个烧瓶 Web 端点来预测“在泰坦尼克号灾难中幸存”的概率。训练好的模型使用 joblib 序列化为 pickle 文件，输入 age、ticket_class、boarding_location 和性别进行预测。

训练数据 - https://www.kaggle.com/c/titanic/data

AWS Sagemaker 的架构 https://docs.aws.amazon.com/sagemaker/latest/dg/how-it-works-hosting.html

上图中的架构看起来是容器化和部署 ML 应用程序的好方法。

问题

如何在我的笔记本电脑上将容器化用于repo 中的 ML + flask 应用程序？我的目标是在生产环境中部署容器。
如何运行上述容器？

【问题讨论】：

标签： python docker machine-learning flask containers

【解决方案1】：

为简单起见，让我们基于 Ubuntu 创建映像。

在一个空目录中创建一个文件Dockerfile，内容如下：

FROM ubuntu

# Install pip and git and clone repo into /app
RUN apt-get update && apt-get install --assume-yes --fix-missing python-pip git && git clone https://github.com/amirziai/sklearnflask.git /app

# Change WORKDIR
WORKDIR /app

# Install dependencies
RUN pip install -r requirements.txt

# Expose port and run the application when the container is started
EXPOSE 9999
ENTRYPOINT python main.py 9999

然后可以通过从包含Dockerfile 的目录运行docker build -t <TAG> . 来构建映像。然后您可以使用docker run <TAG> 运行它。

我想您想添加自己的 sklearn 模型。有不同的方法可以做到这一点，例如您可以更改 Dockerfile 并使用 ADD 将本地文件系统中的文件添加到映像中，或者您可以在运行容器时使用 mount 您的模型。

另外，当实际在生产中使用这个容器时，你应该考虑更多的事情，例如。如何保持容器轻量级（例如，使用 alpine 而不是 ubuntu）。您可能还想将图像上传到集线器，以便从那里部署容器。

希望这有助于作为一个起点。

【讨论】：

谢谢！在我的 ./ 我有多个文件夹和代码。如何在维护文件夹结构的同时将它们复制到 /app？ VOLUME 和 MOUNT 命令在 Dockerfile 中做同样的事情吗？
EXPOSE 9999 和 EXPOSE 9999:9999 有什么区别？