lm-jim/mdl-mlops

 

Despliegue MLOps completo de IA generativa de dígitos MNIST

Proyecto final para la asignatura MLOps en el Máster en Deep Learning por la Universidad Politécnica de Madrid

• —Autor: Luis Miguel Jiménez Aliaga

Contenido del proyecto

• —Código de modelo generativo de dígitos del MNIST, estructurado al estándar de proyectos ML/DL
• —Sistema de configuración y logging
• —Versionado y configuraciones de modelos
• —Pipeline de entrenamiento
• —Código pytest, integrado automáticamente con GitHub Actions, conteniendo:
• —Tests unitarios
• —Test de integración
• —Tests End 2 End
• —Integración con Weights & Biases
• —Gestión de dependencias por requirements.txt
• —Scripts para generar imagen Docker o arrancar sesión local uvicorn
• —Despliegue web accesible desde HuggingFace Spaces
• —Notebook Jupyter con generaciones de ejemplo

Instrucciones de ejecución

Despliegue local con uvicorn

El servidor se puede lanzar ejecutando el script scripts/launch-uvicorn.bat (sólo Windows) o introduciendo el siguiente comando en la raíz del proyecto:

python -m uvicorn src.inference_api:app --host 127.0.0.1 --port 8000 --reload

Despliegue local por contenedor Docker

El servidor se puede construir como imágen Docker utilizando el script scripts/build-docker.bat (sólo Windows) o introduciendo el siguiente comando en la raíz del proyecto:

docker build -t number-generator-mnist .

Una vez construido, se puede acceder desde Docker Desktop o introducir el siguiente comando:

docker run -p 8000:8000 number-generator-mnist

Si se accede desde Docker Desktop, es importante que enlacemos al puerto 8000 para tener acceso al servidor.

Acceso online por HuggingFace Spaces

También se puede acceder al despliegue online desde el siguiente enlace:

https://huggingface.co/spaces/lm-jim/mdl-mlops

Enlaces de interés