小编Ani*_*aha的帖子

我有一个 FastAPI 应用程序，正在使用 Uvicorn 以编程方式在端口 30000 上运行。现在我也想在端口 8443 上运行相同的应用程序。相同的应用程序需要在这两个端口上运行。我怎样才能在Python代码中做到这一点？

最小可重现代码：

from fastapi import FastAPI
import uvicorn

app = FastAPI()


@app.get("/healthcheck/")
def healthcheck():
    return 'Health - OK'

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=30000)

我想要类似的东西

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", ports=[30000,8443])

说明：我的应用程序将在我的组织 Azure Kubernetes 服务上运行。在端口 30000 上运行的应用程序保留用于内部 HTTP 流量，在 8443 上运行的应用程序映射到 Kubernetes 服务的 443 以暴露给外部流量。

更多详细信息：我将从此应用程序创建一个 Docker 容器，其想法是包括

CMD ["python3", "app.py"]

最后运行应用程序。我正在寻找一种解决方案，它可以提供更改 python 代码 () 的方法uvicorn.run(app, host="0.0.0.0", ports=[30000,8443])，也可以更改 Dockerfile 中的 CMD 命令，例如此 GitHub 问题评论-gunicorn -k …

2022 年 5 月 18 日，PyTorch宣布支持Mac 上的 GPU 加速 PyTorch 训练。

我按照以下过程在我的 Macbook Air M1 上设置 PyTorch（使用 miniconda）。

conda create -n torch-nightly python=3.8 

$ conda activate torch-nightly

$ pip install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu

我正在尝试执行此处提供的 Udacity 深度学习课程中的脚本。

该脚本使用以下代码将模型移动到 GPU：

conda create -n torch-nightly python=3.8 

$ conda activate torch-nightly

$ pip install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu

然而，这不适用于 M1 芯片，因为没有 CUDA。

如果我们想将模型迁移到 M1 GPU，将张量迁移到 M1 GPU，并完全在 M1 GPU 上进行训练，我们应该做什么？

如果相关：G和D是 GAN …

我在 JupyterLab 中看到错误消息：

"Code Editor out of Sync. 
Please open your browser JavaScript console for bug report instructions" 

Jupyter Lab 3.0.3 版和 Python 3.7.7 版。我同时使用 Chrome 和 Safari。我仍然看到同样的问题。

如果我们将 PyPi 包作为工件添加到 Azure DevOps 项目源中，我们如何使用这些包作为在DatabricksStepAzure 机器学习服务中安装包的源？

在任何环境中使用时pip，我们通过以下方式使用 Azure DevOps Project Artifacts feed：

pip install example-package --index-url=https://<Personal-Access-Token>@pkgs.dev.azure.com/<Organization-Name>/_packaging/<Artifacts-Feed-Name>/pypi/simple/

Azure 机器学习服务的 DatabricksStep 类接受以下参数：

python_script_name = "<Some-Script>.py"
source_directory = "<Path-To-Script>"

<Some-Placeholder-Name-for-the-step> = DatabricksStep(
    name=<Some-Placeholder-Name-for-the-step>,
    num_workers=1,
    python_script_name=python_script_name,
    source_directory=source_directory,
    run_name= <Name-of-the-run>,
    compute_target=databricks_compute,
    pypi_libraries = [
                      PyPiLibrary(package = 'scikit-learn'), 
                      PyPiLibrary(package = 'scipy'), 
                      PyPiLibrary(package = 'azureml-sdk'), 
                      PyPiLibrary(package = 'joblib'), 
                      PyPiLibrary(package = 'azureml-dataprep[pandas]'),
                      PyPiLibrary(package = 'example-package', repo='https://<Personal-Access-Token>@pkgs.dev.azure.com/<Organization-Name>/_packaging/<Artifacts-Feed-Name>/pypi/simple/')
                    ], 

    allow_reuse=True
)

不过，PyPiLibrary(package = 'example-package', repo='https://<Personal-Access-Token>@pkgs.dev.azure.com/<Organization-Name>/_packaging/<Artifacts-Feed-Name>/pypi/simple/')会报错。我们究竟应该如何使用工件源作为Azure 机器学习服务中类PyPiLibrary属性的输入？DatabricksStep

我在间隔计划方法内运行异步方法，并每秒将数据发送到 websocket。它在一段时间内工作正常，但一段时间后，芹菜工作终端中出现以下错误。我使用 python 3.8.5 和 djnago 3.1.7。谁能帮我解决这个问题。

[2021-06-25 17:54:38,033: WARNING/ForkPoolWorker-6] 24
[2021-06-25 17:54:38,033: WARNING/ForkPoolWorker-6] Exception ignored in:
[2021-06-25 17:54:38,033: WARNING/ForkPoolWorker-6] <function BaseEventLoop.__del__ at 0x7eff8a9e8700>
[2021-06-25 17:54:38,034: WARNING/ForkPoolWorker-6] Traceback (most recent call last):
[2021-06-25 17:54:38,034: WARNING/ForkPoolWorker-6] File "/usr/lib/python3.8/asyncio/base_events.py", line 656, in __del__
[2021-06-25 17:54:38,034: WARNING/ForkPoolWorker-6] File "/usr/lib/python3.8/asyncio/unix_events.py", line 58, in close
[2021-06-25 17:54:38,034: WARNING/ForkPoolWorker-6] File "/usr/lib/python3.8/asyncio/selector_events.py", line 92, in close
[2021-06-25 17:54:38,034: WARNING/ForkPoolWorker-6] File "/usr/lib/python3.8/asyncio/selector_events.py", line 99, in _close_self_pipe
[2021-06-25 17:54:38,034: WARNING/ForkPoolWorker-6] AttributeError
[2021-06-25 17:54:38,034: WARNING/ForkPoolWorker-6] :
[2021-06-25 17:54:38,034: WARNING/ForkPoolWorker-6] '_UnixSelectorEventLoop' …

我使用带有 mlflow 的 ML 软件生成的 Python 代码来读取数据帧、执行一些表操作并输出数据帧。我能够成功运行代码并将新数据帧保存为工件。但是，我无法使用 log_model 记录模型，因为它不是我们训练和拟合的 LR 或分类器模型。我想为此记录一个模型，以便可以为其提供新数据并使用 REST API 进行部署

df = pd.read_csv(r"/home/xxxx.csv")


with mlflow.start_run():

    def getPrediction(row):
        perform_some_python_operations 
        return [Status_prediction, Status_0_probability, Status_1_probability]

    columnValues = []
    for column in columns:
        columnValues.append([])

    for index, row in df.iterrows():
        results = getPrediction(row)
        for n in range(len(results)):
            columnValues[n].append(results[n])

    for n in range(len(columns)):
        df[columns[n]] = columnValues[n]

    df.to_csv('dataset_statistics.csv')
    mlflow.log_artifact('dataset_statistics.csv')