ml-service-demo

ML 연동 웹 서비스 데모 (KR)

Installation

1-1. Linux에서 Anaconda 설치

wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh
chmod 774 Anaconda3-2022.05-Linux-x86_64.sh
./Anaconda3-2022.05-Linux-x86_64.sh  # 모두 yes

1-2. 기타 환경에서 Anaconda 설치

Anaconda 공식 다운로드 페이지 참고.

2. Anaconda 설치 확인

설치 후에는 터미널 혹은 ssh 연결을 껐다켜야 할수도 있습니다. 터미널 프롬프트 앞에 (base)가 뜨거나 conda 명령어가 동작하면 Anaconda가 정상적으로 설치된 것입니다.
여러 프로젝트를 개발하면서 패키지 버전 충돌을 예방하고자 하면 conda env 가상 환경 참고.

3. PyTorch 설치

 conda install pytorch torchvision -c pytorch

4. 기타 Python 패키지 설치

pip install -r requirements.txt  # 사용되는 패키지는 해당 txt 파일 참고!

5. npm 설치 (NodeJS)

React 개발 환경을 준비하려면 npm이 필요하며, 이는 NodeJS를 설치할 때 함께 따라옵니다. *백엔드 서버를 NodeJS로 만들려는 것은 아닙니다.

https://nodejs.org/ko/download/

Getting Started

먼저 학습된 ML 모델 파일 (model.pt)를 최상단 폴더에 복사해주세요.
아래 명령어를 사용해서 React 번들을 컴파일할 수 있습니다. 컴파일 결과는 app/build/에서 확인하실 수 있습니다.

cd app
npm install
npm run build

만약에 서버를 로컬 환경이 아닌 타 머신에서 호스팅하고자 한다면 app/package.json 내의 proxy 대상 값을 서버 호스트로 변경해주세요. 예: "proxy": "http://ml.namgyu.io". 변경 후에는 다시 npm run build를 실행해야 번들 파일에 적용됩니다.

아래 명령어를 실행하시면 로컬 및 외부에서 접근할 수 있는 Django 웹 서버가 8000번 포트에서 서빙됩니다.

python manage.py migrate
python manage.py runserver 0.0.0.0:8000

명령어를 실행한 개발용 머신에서 접속하는 경우 주소창에 localhost:8000, 다른 서버 머신에서 명령어를 실행한 경우, <서버 ip 주소 혹은 도메인>:8000로 접속 가능합니다.

본 명령어는 개발 및 테스트용으로, production (상용) 환경에서 배포할 때에는 웹 서버 전용 소프트웨어 프로그램 (e.g., Apache, WSGI) 혹은 클라우드 서비스를 사용합니다.

접속하기

Django HTML 렌더링을 사용한 페이지는 /로 접속하여 확인할 수 있습니다 (예: localhost:8000/, ml.namgyu.io:8000).
Django를 백엔드로 활용한 React 프론트엔드 기반 페이지는 /app/로 접속하여 확인할 수 있습니다 (예: localhost:8000/app/, ml.namgyu.io:8000/app/).

Index

app/: React 폴더 (React 기반 프론트엔드 코드)
core/: Django 앱 폴더 (서비스 백엔드 및 Django 기반 프론트엔드 코드)
ml/: 머신러닝 모델 코드
mldemo/: Django 프로젝트 폴더 (Django 설정)
train_model.ipynb/: 머신러닝 모델 학습 코드

Docker

위의 파일을 Docker 상에서 실행할 수 있도록 하는 과정입니다.

Linux 환경에서 실행하였으며, docker를 실행할 때 sudo를 사용하지 않도록 설정하였음.

해당 repository의 코드를 도커 상에서 사용하기 위해서 세 가지의 단계를 걸칩니다.

1. Dockerfile 작성

Docker 상에서 Django 서버를 가동하기 위해 필요한 절차들을 Dockerfile 작성하게 됩니다.

2. Docker Build

"demo"라는 이름으로 Docker Image를 만들어줍니다.

docker build . -t demo

현재 존재하는 docker image를 확인할 합니다.

docker images

3. Docker Container 실행

빌드한 이미지를 통해 Docker container를 생성합니다. Dockerfile에서 Docker container가 실행됨과 동시에 Django 데모 서버가 시작되도록 설정해두었습니다.

docker run -it --name django_demo -p 8000:8000 demo0:0

컨테이너의 이름은 django_demo로 하였으며 아래 커맨드로 현재 존재하는 컨테이너들을 확인할 수 있습니다.

docker ps -a

itsnamgyu / ml-service-demo