From 0f3f34b7c3ce00887740c5b40e4c21c654d5dd77 Mon Sep 17 00:00:00 2001
From: "raoul.dupuis" <raoul.dupuis@hesge.ch>
Date: Fri, 13 Jan 2023 11:46:46 +0100
Subject: [PATCH] add readme
---
Dockerfile | 5 +++--
README.md | 22 ++++++++++++++++++++++
app/main.py | 4 ++--
app/requirements.txt => requirements.txt | 5 +----
4 files changed, 28 insertions(+), 8 deletions(-)
create mode 100644 README.md
rename app/requirements.txt => requirements.txt (54%)
diff --git a/Dockerfile b/Dockerfile
index ca648cf..448067f 100644
--- a/Dockerfile
+++ b/Dockerfile
@@ -1,7 +1,8 @@
FROM python:3.10
-ADD /app/ .
-
+ADD requirements.txt .
RUN pip install -r requirements.txt
+ADD /app/ .
+
CMD ["python", "main.py"]
\ No newline at end of file
diff --git a/README.md b/README.md
new file mode 100644
index 0000000..2a7206b
--- /dev/null
+++ b/README.md
@@ -0,0 +1,22 @@
+# Exercice de Deployement d'application ML sur edge dans l'environement Azure
+
+## Description de l'application
+
+Un model de machine learning XGBoost à été entrainé avec les données d'un capteur de puissance electrique consommé.
+
+Caracteristiques du dataset d'entrainement :
+
+- 2 semaines de mesures
+- interval de 1min entre chaque valeur de puissance
+- puissance actives pour chacune des 3 phases
+
+Ce model est enregistré dans le fichier "model_xgboost.json"
+
+Le programme principale utilise un dataset de test d'une durée de 1 jour, et effectue une prediction pour chaque mesure.
+
+### Test du programme
+
+```console
+docker build -t app_ml_edge .
+docker run -it app_ml_edge
+```
diff --git a/app/main.py b/app/main.py
index a0c9aa2..1a3cd94 100644
--- a/app/main.py
+++ b/app/main.py
@@ -39,7 +39,7 @@ def predict(df, reg = None):
reg.load_model("model_xgboost.json")
df, x, y = prepare_feat(df)
-
+ print(f'\nTimestamp, [prediction], real value, {bcolors.OKGREEN}percentage error{bcolors.ENDC}\n')
for i in range(len(x)):
tmp = x.iloc[i].to_frame().T
predictions = reg.predict(tmp)
@@ -62,5 +62,5 @@ if __name__ == "__main__":
df = pd.read_csv('159_2023-01-11_1d.csv')
df['timestamp'] = pd.to_datetime(df['timestamp'])
df = df.set_index('timestamp')
- print('predict')
+
predict(df)
diff --git a/app/requirements.txt b/requirements.txt
similarity index 54%
rename from app/requirements.txt
rename to requirements.txt
index 346fd39..9c9d05c 100644
--- a/app/requirements.txt
+++ b/requirements.txt
@@ -1,9 +1,6 @@
pandas
-matplotlib
xgboost
scikit-learn
-exoscale
importlib-metadata
bson
-#matplotlib gui :
-pyqt5
+
--
GitLab