Structure

project
│    
└───README.md
│
└───cv
│   │
│   └───task (e.g. classification)
│       │   
│       └───subtask (e.g. binary)
│           │
|           └───name_model (e.g. bath)
|           |   |
|           |   └───version_model_1 (e.g. baseline)
|           |   |   |
|           |   |   └───data
|           |   |   └───notebooks
|           |   |   |   |
|           |   |   |   └───experiments
|           |   |   |   |   |
|           |   |   |   |   └───experiments1.ipynb
|           |   |   |   |   └───...
|           |   |   |   |   └───experimentsk.ipynb
|           |   |   |   |
|           |   |   |   └───notebooks1.ipynb
|           |   |   |   └───...
|           |   |   |   └───notebooksk.ipynb
|           |   |   |   └───README.md
|           |   |   |   └───pyproject.toml
|           |   |   |    
|           |   |   └───reports
|           |   |   |   |
│           |   |   |   └───experiment1
│           |   |   │   │    │
│           |   |   │   │    └───report1
│           |   |   │   │    └───...
│           |   |   │   │    └───reportk
│           |   |   |   │
│           |   |   |   └───...
|           |   |   |   └───experimentk    
|           |   |   |
|           |   |   └───logs
|           |   |   |   |
│           |   |   |   └───experiment1
|           |   |   |   └───...
|           |   |   |   └───experimentk
|           |   |   |
|           |   |   └───weights
|           |   |   └───download.py
|           |   |
|           |   └───...
|           |   └───version_model_k
|           |   
|           └───...
|           └───name_modelk
│   
└───nlp
│   │
│   └───task
│       │   
│       └───subtask
│           │
|           └───name_model
|               |
|               └───likewise cv

Облако Yandex

В директории datasets сохраняются готовые датасеты на которых обучалась модель. Сырые данные из которых формировался датасет, могут находиться в различных источниках, на различных устройствах. Структура директорий в папке datasets полностью идентична структуре формирования проекта. Датасеты связанный с проектом, лежат по тому же пути в папке datasets.

Облако Yandex: datasets

Подготовка сервера

Доустановим необходимые утилиты.

sudo apt-get update

sudo apt-get install -y make build-essential libssl-dev zlib1g-dev libbz2-dev \
libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev \
xz-utils tk-dev libffi-dev liblzma-dev python3-openssl nano

Установить pyenv

Управляем версиями Python утилитой pyenv.

curl -L https://github.com/pyenv/pyenv-installer/raw/master/bin/pyenv-installer | bash

Открываем файл ~/.profile.

sudo nano ~/.profile

В конец файла вставляем и сохраняем.

# pyenv
export PYENV_ROOT="$HOME/.pyenv"

export PATH="$PYENV_ROOT/bin:$PATH"

eval "$(pyenv init --path)"

Закрываем и открываем терминал.

Проверяем, установилась ли утилита pyenv. Должна открыться меню pyenv.

pyenv

Добавить в pyenv нужную версию Python.

pyenv install 3.9.15

Git

Репозиторий закрыт, предварительно нужно создать токен в GitHub и потом клонировать.

Create token GitHub

Переходим на сайт GitHub.
Нажимаем на иконку профиля в правом верхнем углу.
Из выпадающего списка выбираем settings.
В меню слева выбираем Developer settings.
В меню слева выбираем Personal access tokens > Tokens (classic).
Справа нажимаем на кнопку Generate new token > Generate new token (classic)
В поле Node пишем произвольное название токена.
Проставляем везде галочки и внизу нажимаем на кнопку Generate token.
В новом окне появится сгенерированный токен, копируем и сохраняем.

Clone private repository

git clone https://<account_name>:<account_token>@github.com/<account_name>/<repo_name>.git -b <name_branch>

<account_name>: имя вашего аккаунта Github.

<account_token>: токен вашего аккаунта Github.

<repo_name>: название клонируемого репозитория.

<name_branch>: название ветки, которую хотим клонировать, можно без ключа -b <name_branch>, тогда будет склонирована основная ветка.

Подписать автора комитов.

git config --global user.name "name"

git config --global user.email "email@example.com"

Переходим в дирректорию проекта.

cd <repo_name>

Устанавливаем в проекте необходимую версию Python

pyenv local 3.9.15

Gitignore

Добавим в .gitignore директории которые будут игнорироваться на уровне всех проектов.

# Project
**/data
**/weights
**/logs

Poetry

В проекте используется менеджер пакетов poetry.

Install

Скачать и установить poetry.

curl -sSL https://install.python-poetry.org | python -

Добавить путь к poetry.

export PATH="/home/jovyan/.local/bin:$PATH"

Установить окружение

Мы либо используем уже созданное окружение, либо создаем новое. Два сценария описано ниже.

Создать новое окружение

Переходим в дирректорию с проектом.

Создаем новый файл окружения pyproject.toml.

poetry init

После создания заходим в окружение

poetry shell

Добавляем нужные библиотеки.

poetry add <name_library>

Установить существующее окружение

Переходим в дирректорию с версией модели, там находится файл pyproject.toml.

Заходим в оболочку окружения.

poetry shell

Устанавливаем окружение.

poetry install

Возможные ошибки и исправления

Ошибка

Current Python version (3.8.10) is not allowed by the project (^3.9.10).
Please change python executable via the "env use" command.

Исправление

Удалить и заново поставить окружение. Вне окружения необходимо выполнить команды.

Посмотреть название окружения.

poetry env info

Удалить окружение.

poetry env remove <name_env>

<name_env>: название окружения, пример названия layer-7iBn6U-py3.9.

Create kernel

После создания окружения, его нужно подключить к jupyter notebook. Для этого необходимо создать kernel с окружением.