【技术实现步骤摘要】
用于机器学习组件中的镜像生成方法、系统、介质及应用
[0001]本专利技术属于镜像生成
,尤其涉及一种用于机器学习组件中的镜像生成方法、系统、介质及应用,具体涉及一种在机器学习jupyter组件中使用docker服务构建镜像的方法。
技术介绍
[0002]目前,jupyter环境的现有模式中,当前算法人员使用jupyter建模有以下两种方式:
[0003](1)本地客户端或者服务器使用python启动一个jupyter服务,然后通过本地浏览器进行访问。
[0004](2)私有云和公有云部署:百度BML、华为ModelArts等平台中提供的jupyterlab服务,在公有云上通过容器部署,或kubeflow私有云中的notebookserver中部署,用户通过本地浏览器访问。
[0005]为解决上述技术问题,现有技术一CN201110073978.7一种用描述语言编程的编程平台系统,将系统需求定义为一个个相应的功能键,同时定义其相应的程序块,程序块包含两部分,一部分为程序语法块,另一部分为程序变量 ...
【技术保护点】
【技术特征摘要】
1.一种用于机器学习组件中的镜像生成方法,其特征在于,应用于客户端,所述用于机器学习组件中的镜像生成方法包括:通过在机器学习容器创建的语言编程环境中生成新的开源引擎;启动新的开源引擎服务,在语言编程环境中进行调试、构建、部署一站式操作流程,进行打镜像部署docker容器操作。2.根据权利要求1所述用于机器学习组件中的镜像生成方法,其特征在于,所述的开源引擎的主要操作流程为:(1)登陆notebook平台;(2)创建notebook服务,选择要使用的jupyter镜像,挂载的数据卷资源;(3)进入创建好的notebook服务内进行jupyter交互式开发环境。3.根据权利要求1所述用于机器学习组件中的镜像生成方法,其特征在于,所述启动新的开源引擎容器的主要操作流程为:在语言编程环境中进行代码调试,代码调试完毕后,可以编写dockerfile文件,将代码和依赖环境构建为docker镜像。4.根据权利要求1所述用于机器学习组件中的镜像生成方法,其特征在于,所述的调试部分主要是代码调试,用户可以在jupyter交互式开发环境内执行模型训练,数据预处理相关的python操作;所述的构建部分主要是构建docker镜像,用户可以在jupyter交互式开发环境中基于调试完成的代码,编写dockerfile文件,将相关代码和环境构建成docker镜像保存;所述的部署部分主要是利用构建好的docker镜像,创建docker容器来部署和发布服务。5.根据权利要求1所述用于机器学习组件中的镜像生成方法,其特征在于,应用于客户端,所述用于机器学习组件中的镜像生成方法还包括:步骤一,安装docker工具;生成新的jupyter容器;步骤二,进行jupyter控制器代码修改,使新生成的jupyter容器具有特权模式;步骤三,在新生成的jupyter容器内启动docker服务,并使用docker工具,进行打镜像。6...
【专利技术属性】
技术研发人员:褚彦坤,蒙盛标,崔春艳,谢国斌,
申请(专利权)人:神州数码系统集成服务有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。