MachineLearningIsEasy

•	mkdir /tmp/resnet 
– создаем дирректорию.
•	curl -s https://storage.googleapis.com/download.tensorflow.org/models/official/20181001_resnet/savedmodels/resnet_v2_fp32_savedmodel_NHWC_jpg.tar.gz | tar --strip-components=2 -C /tmp/resnet -xvz
- копируем архив с моделью по ссылке в созданную директорию и разархивируем его.
•	docker pull tensorflow/serving
- загружаем docker образ с tensorflow serving.
•	docker run -p 8501:8501 --name tfserving_resnet \
--mount type=bind,source=/tmp/resnet,target=/models/resnet \
-e MODEL_NAME=resnet -t tensorflow/serving &
- монтируем контейнер из загруженного образа с доступом через порт 8501

MachineLearningIsEasy

Инструкция по настройке Django-приложения на сервере

1. Подключаем услугу VPS c операционной системой Ubuntu (например, на reg.ru).

2. Проверяем подключение по SSH (в терминале: ssh root@ip).

3. Проверяем подключение по ftp (выбираем ftp-клиента исходя из своей операционной системы и вкуса).

4. Устанавливаем нужную версию интерпретатора python согласно инструкции через ssh.
https://tecadmin.net/install-python-3-8-ubuntu/

MachineLearningIsEasy

import datetime
import time
import requests
import pandas as pd
from airflow import DAG
from airflow.operators.dummy_operator import DummyOperator
from airflow.operators.python_operator import PythonOperator
from airflow.models import Variable
import os

MachineLearningIsEasy

{
 "cells": [
  {
   "attachments": {
    "98545d9b-cfbb-46c5-b45a-60eddbb6b6b5.png": {
     "image/png": "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

MachineLearningIsEasy

from datetime import datetime, timedelta
from airflow import DAG
from airflow.operators.bash_operator import BashOperator
from airflow.operators.docker_operator import DockerOperator
from airflow.operators.python_operator import BranchPythonOperator, PythonOperator, PythonVirtualenvOperator
from airflow.operators.dummy_operator import DummyOperator
import os

default_args = {
'owner'                 : 'dimon',

MachineLearningIsEasy

from flask import Flask


app = Flask(__name__)


@app.route('/')
def main_flask_function():
    return 'Hello world!'

MachineLearningIsEasy

from flask import request, Flask
import json


app = Flask(__name__)


@app.route('/', methods=['GET', 'POST'])
def main_flask_function():
    if request.method == 'POST':

MachineLearningIsEasy

import datetime
import time
import pandas as pd
from airflow import DAG
from airflow.operators.python_operator import PythonOperator, PythonVirtualenvOperator
from airflow.operators.postgres_operator import PostgresOperator
from airflow.models import Variable
import psycopg2
import os
import sys

MachineLearningIsEasy

MachineLearningIsEasy