Um zu beginnen, müssen wir unsere Entwicklungsumgebung einrichten. Wir werden Open-Supply-Technologien wie Python, MLflow und Docker verwenden, um unser Modell zu erstellen und bereitzustellen.
Stellen Sie zunächst sicher, dass Python auf Ihrem Laptop installiert ist. Sie können die neueste Model von Python von der offiziellen Web site herunterladen und installieren.
Zweitens stellen Sie sicher, dass Conda auf Ihrem Laptop installiert ist. Sie können die neueste Model von Conda (oder Miniconda) von der offiziellen Web site herunterladen und installieren.
Konfigurieren Sie die Conda, um virtuelle Umgebungen zu erstellen.
Um unsere Projektabhängigkeiten isoliert zu halten, wird empfohlen, eine virtuelle Umgebung einzurichten. Virtuelle Umgebungen ermöglichen es uns, Pakete zu installieren, ohne die systemweite Python-Set up zu beeinträchtigen.
Wir werden Conda verwenden, um eine virtuelle Umgebung zu erstellen. Öffnen Sie Ihr Terminal oder Ihre Eingabeaufforderung und navigieren Sie zu Ihrem Projektverzeichnis. Führen Sie den folgenden Befehl aus:
conda create -n mlops-iris-env -y python=3.8
Dieser Befehl erstellt eine neue virtuelle Umgebung mit dem Namen mlops-iris-env in Ihrem Projektverzeichnis.
Als nächstes müssen wir die virtuelle Umgebung aktivieren. Der Aktivierungsschritt stellt sicher, dass alle von uns installierten Pakete spezifisch für dieses Projekt sind und nicht mit anderen Python-Installationen auf Ihrem Laptop in Konflikt geraten.
Um die virtuelle Umgebung zu aktivieren, führen Sie den folgenden Befehl aus:
conda activate mlops-iris-env
Sie sollten die Änderung der Eingabeaufforderung sehen, um anzuzeigen, dass Sie sich jetzt in der virtuellen Umgebung befinden.
Sobald die virtuelle Umgebung aktiviert ist, installieren wir MLflow mit pip, dem Python-Paketinstallationsprogramm. Öffnen Sie Ihr Terminal oder Ihre Eingabeaufforderung und führen Sie den folgenden Befehl aus:
pip set up mlflow
