# Wine_identification_example

**Repository Path**: iamfengdy/Wine_identification_example

## Basic Information

- **Project Name**: Wine_identification_example
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-01-18
- **Last Updated**: 2025-01-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 如何训练和发布一个线性函数的算法模型示例


## 功能说明
本示例演示了如何基于mlflow的自定义python函数模型，在平台中完成训练、保存发布模型。
本示例为简单的线性函数拟合,函数体为y=2x+1，基于此函数体，提供出多组x,y的数值作为训练数据，用sklearn的线性回归，训练模型。
并在验证中，输入x，得出y，检查是否符合y=2x+1的预期。


## 代码结构

- MLproject 包含此项目的定义的配置。仅指定一个训练模型的入口点。
- data 用于存放数据
- conda.yaml 定义项目依赖项。注意：如果有可用的gpu，您可能需要将tensorflow软件包更改为tensorflow-gpu。
- train.py 项目的主要入口点。处理命令行参数，进行模型的训练或保存，或执行业务逻辑。模型训练的实现，以及输出自定义python模型的实现。
- eval.py 加载训练模型，并进行模型预测验证。


## 本地调试运行

- 环境准备 python3
- IDE PyCharm/VSCode 
- 注意！！！请在conda虚拟环境中进行，确保conda.yaml中的依赖可以正常下载，项完整正确


## [waveletai](http://ai.xiaobodata.com)平台运行

- 创建应用和模型
- 添加数据，添加git仓库，选择当前项目代码；选择主机开始训练
- 训练后选择当前模型保存当前版本到模型库；
- 底层必须需要mlflow、pymysql包
- 校验模型，看是否符合预期函数结果；
- 发布模型