Academic Project in Machine Learning with Docker

Le projet vise à réaliser un conteneur Docker basé sur Docker Compose qui fait tourner un algorithme de Machine Learning. Voici l'arborescence du projet: /Hello_Flask:

• Dockerfile
• run.py (port 8000)
• /app :
  • __ init __ .py (sans espace mais ici c'est nécessaire sinon ça s'écrit en bold)
  • views.py
  • requirements.txt

/Recup:

• Dockerfile
• run.py (port 7000)
• /app :
  • __ init __ .py
  • views.py
  • requirements.txt

/Final:

• Dockerfile
• run.py (port 5000)
• app:
  • __ init __ .py
    • views.py
    • requirements.txt compose.yml

Afin d'initiliser le container Docker, il faut s'assurer de son fonctionnement et le lancer ** On le lance en mode interactif ** ** On le build ** ** On constate le chargement des modules écrits dans le requirements.txt **

J'ai décomposé le projet en 3 parties. Chaque container fonctionne sur le server Flask de Python qui permettra alors d'envoyer des données entre les fichiers.

__Voici les fichiers run.py utilisés selon les ports appelés : __

Voici les fichiers init.py utilisés (tous identiques)

Voici le premier fichier views.py situé alors sur le port 8000:

** Appel des librairies python **

** On définit la régression linéaire **

** On charge les données et on l'envoie sur l'adresse http://localhost:80000" ** ** On définit l'échantillon de test et d'entrainement **

Voici ensuite le second fichier views.py qui charge ces données

** On importe les modules comme précédemment et on récupère les données d'entrainement et de test du server précédent **

** On calcule alors le modèle prédit par la régression linéaire et on l'envoie sur l'adresse http://localhost:7000" **

Voici le troisème fichier views.py qui charge le modèle prédit par ols et renvoie l'accuracy

** On appelle le server précédent et on calcule l'accuracy **

Voici les fichier requirements.txt à implémenter dans les dossiers (ils sont identiques vus que les fichiers pythons appelés nécessitent les mêmes librairies

Voici le fichier compose.yml censé faire la connexion entre les différents dossiers et lancer ainsi le ML et donc lancer les servers

Voici un Dockerfile

Mon résultat Mon projet ne fonctionne pas, je reste bloquée au tout début au téléchargement des modules: