AgeRecognition

Pobranie repozytorium

Na samym początku pobieramy repozytorium:

git clone https://github.com/HaZeL-spc/AgeRecognition.git

Wszystkie następne komendy zapisujemy w katalogu repozytorium pobranego na naszym komputerze

Instalacja pythona 3.11.0

Tutaj sposób instalacji będzie zależał od systemu operacyjnego, generalnie pod tym linkiem można się dowiedzieć jak zainstalować pythona na swojej maszynie ⇒ https://www.python.org/
Uwaga: Python powinien być pobrany w odpowiedniej wersji (3.11.0) oraz razem z pythonem należy zainstalować pip, czyli menadżer pakietów pythona.

Aby sprawdzić czy python i pip zostały poprawnie zainstalowane należy wpisać w konsolę komendy: python --version oraz pip --version. Output powinien wyglądać tak:

> python --version
Python 3.11.0
> pip --version
pip x.x.x from ... (python 3.11)

Instalacja virtualenva

Należy wpisać komendę:

pip install virtualenv

Utworzyć środowisko wirtualne

Jeśli Python --version nie daje nam 3.11.0 wpisuję ścieżkę do python.exe zamiast python np.:

> C:\Users\MyUser\AppData\Local\Programs\Python\Python311\python.exe -m venv my_env

Natomiast w przeciwnym wypadku należy wykonać komendę:

> python -m venv my_env

Aby sprawdzić czy środowisko wirtualne działa, należy aktywować je poleceniem: Linux:

> source my_env/bin/activate

lub Windows:

> .\my_env\Scripts\activate

W wyniku aktywacji przed znakiem zachęty w konsoli powinna pojawić się nazwa venva:

(my_env) >

Instalacja potrzebnych bibliotek

W katalogu, w którym się znajdujecie jest plik requirements.txt. Zawiera on wszystkie potrzebne do przeprowadzenia warsztatów biblioteki. Aby je zainstalować nalezy wywołać komendę:

(my_env) > pip install -r requirements.txt

1. Instrukcja dla użytkownika

Żeby włączyć program musimy użyć komendy

(my_env) > python main.py

2. Instrukcja dla developera

Instalacja kernela dla utworzonego środowiska

Przy aktywowanym środowisku należy wywołać komendę:

(my_env) > ipython kernel install --user --name=my_env

Po tej operacji zostanie utworzony kernel jupytera dla środowiska wirtualnego.

Odpalenie serwera MLFlow

Żeby włączyć serwer MLFlow, należy użyć komendy

(my_env) > mlflow ui --backend-store-uri sqlite:///mlflow.db

gdzie mlflow.db jest naszą bazą, w której wszystko będzie trzymane. MLFlow pozwala nam zapisywać eksperymenty oraz modele oraz je ponownie ładować. Jak włączymy nasz serwer to wtedy powinien nam się pojawić w CMD tekst:

INFO:waitress:Serving on http://127.0.0.1:5000

Odpalamy ten serwer w przeglądarce i możemy już go używać

Sprawdzenie czy konfiguracja środowiska przebiegła pomyślnie

Należy wywołać komendę w głównym katalogu repozytorium:

(my_env) > jupyter notebook

Następnie wybieramy nasz jupyter plik i w nim pracujemy