agora-hack

Данный репозиторий является решением "Кейс №1: Микросервис автоматического сопоставления товаров" от команды "ML Princess [Napoleon IT]"

Содержание

• user guide:
  • Структура репозитория
  • Инструкция по использованию репозитория в docker

User guide

Структура репозитория

• app - папка содержащая реализацию бэка, всю логику работы моделей, инициализацию моделей
• backend.py - вспомогательный файл для запуска сервиса
• docker-compose.yml - конфиг докера для сборки и поднятия сервиса
• Dockerfile - докер файл сервиса, отвечающий за окружение и установку нужных пакетов
• requirements.txt - файл со всеми необходимыми библиотеками для работы сервиса
• install_models.sh - скрипт для выгрузки моделей с облака
• start_service.sh - bash скрипт с выгрузкой моделей с диска и запуском сервиса сопоставления (запускается внутри docker-compose.yml)
• product_matches_path.json - json с сопоставленными классами к reference_id
• test_json.json - тестовые данные для отправки в сервис (для примера)
• recognition_result.json - ответ сервиса на тестовые данные (для примера)
• test_request.py - скрипт с отправкой тестового запроса в сервис сопоставлений

Docker run

Для того чтобы поднять сервис на локальной/удаленной машине нужно:

• убедиться, что указанные порты в docker-compose.yml доступны на вашей машине
• У вас должен быть .env:

MODEL_PATH=./models/bert_arcface/model.pt  # path to model 
BASE_FILE=./models/bert_arcface/base_file.csv  # path to base file with mean embeddings for each class

• запустить скрипт сборки docker контейнеров:

docker-compose build

• запустить скрипт поднятия сервиса:

docker-compose up -d

• Поздравляем, сервис поднят
• Теперь можно запустить python tools/test_request.py с отправкой тестового запроса