pipcook
Machine learning platform for Web developers
파일 탐색기
최종 버전 다운로드 (.zip)- config.yml
- beta.yml
- build.yml
- gh-pages.yml
- markdown.yml
- release.yml
- Dockerfile
- Dockerfile.cpu
- contribute-a-script.md
- guide-to-collaborator.md
- guide-to-contributor.md
- index.md
- pipcook-framework.md
- plugins.md
- community_qrcode.jpg
- logo.png
- plugin-script-map.png
- intro-to-boa.md
- intro-to-framework.md
- intro-to-pipeline.md
- intro-to-script.md
- pipcook-models.md
- pipcook-tools.md
- README.md
- PROJECT_GUIDE.md
- 0000-new-pipeline.md
- 0001-framework-migration.md
- dataset.md
- script.md
- component-image-classification.md
- machine-learning-overview.md
- using-python-functions-in-nodejs.md
- contribute-a-script.md
- guide-to-collaborator.md
- guide-to-contributor.md
- index.md
- pipcook-framework.md
- plugins.md
- intro-to-boa.md
- intro-to-framework.md
- intro-to-pipeline.md
- intro-to-script.md
- pipcook-tools.md
- dataset.md
- script.md
- component-image-classification.md
- machine-learning-overview.md
- using-python-functions-in-nodejs.md
- _navbar.md
- _sidebar.md
- GLOSSORY.md
- INSTALL.md
- README.md
- .nojekyll
- _navbar.md
- _sidebar.md
- GLOSSORY.md
- index.html
- INSTALL.md
- README.md
- image-classification-mobilenet.json
- image-classification-resnet.json
- object-detection-yolo.json
- README-CN.md
- README.md
- text-classification-bayes.json
- pipcook_image_classification.ipynb
- pipcook_object_detection.ipynb
- index.html
- index.html
- pipcook.test.ts
- pipcook.ts
- index.test.ts
- index.ts
- cache.test.ts
- cache.ts
- framework.test.ts
- framework.ts
- index.test.ts
- index.ts
- plugin.test.ts
- plugin.ts
- post-predict.test.ts
- post-predict.ts
- predict-databset.test.ts
- predict-dataset.ts
- script.test.ts
- script.ts
- serve-predict.test.ts
- serve-predict.ts
- runtime.test.ts
- runtime.ts
- standalone-impl.test.ts
- standalone-impl.ts
- .npmignore
- .nycrc
- package-lock.json
- package.json
- tsconfig.json
- coco.test.ts
- coco.ts
- csv.test.ts
- csv.ts
- index.ts
- pascal-voc.test.ts
- pascal-voc.ts
- image-classification.test.ts
- image-classification.ts
- index.ts
- object-detection.test.ts
- object-detection.ts
- text-classification.ts
- coco.ts
- csv.ts
- index.ts
- pascal-voc.ts
- image-classification.ts
- index.ts
- object-detection.ts
- text-classification.ts
- index.ts
- index.test.ts
- index.ts
- artifact.ts
- index.ts
- runtime.ts
- .gitignore
- .npmignore
- package-lock.json
- package.json
- tsconfig.json
- bootstrap.js
- makefile
- plugin-install.js
- constans.ts
- index.test.ts
- index.ts
- types.ts
- utils.ts
- .gitignore
- .npmignore
- .nycrc
- package-lock.json
- package.json
- tsconfig.json
- image-classification-mobilenet.json
- image-classification-resnet.json
- object-detection-yolo.json
- text-classification-bayes.json
- benchmark.sh
- coverage.sh
- mkdoc.sh
- run_pipeline.sh
- .editorconfig
- .eslintignore
- .eslintrc.js
- .gitignore
- .markdown.config.json
- CODE_OF_CONDUCT.md
- CODEOWNERS
- CONTRIBUTING.md
- lerna.json
- LICENSE
- package-lock.json
- package.json
- README.md
- tsconfig.json
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/alibaba/pipcook
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd pipcook
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. Docker
쉬움 추천사전 준비물
- Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
- Docker Desktop 컨테이너를 빌드하고 실행하려면 필요합니다. 설치 후 실행해서 백그라운드에 켜두세요.
docker build -f docker/Dockerfile -t pipcook .
Dockerfile을 기반으로 실행 가능한 이미지를 빌드합니다.
docker run -p 8080:80 pipcook
빌드된 이미지를 실제 컨테이너로 실행합니다.
터미널에 docker compose ps 를 입력해 컨테이너들이 Up 상태인지 확인하세요. README에 포트 번호가 적혀있다면 브라우저에서 http://localhost:포트번호 로 접속해보세요.
3. Node.js
쉬움사전 준비물
$ npm install -g @pipcook/cli
package.json에 명시된 라이브러리들을 내려받아 설치합니다.
$ npm install
package.json에 명시된 라이브러리들을 내려받아 설치합니다.
$ npm run build
배포용으로 코드를 최적화해서 빌드 파일을 생성합니다.
<img alt="npm" src="https://img.shields.io/npm/v/@pipcook/core"></a>
이 명령어를 터미널에 그대로 입력해 실행하세요.
<img alt="npm" src="https://img.shields.io/npm/dm/@pipcook/core"></a>
이 명령어를 터미널에 그대로 입력해 실행하세요.
명령어 실행 후 터미널에 나타나는 주소(보통 http://localhost:3000 형태)를 브라우저에서 열어보세요.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
4. Make
보통사전 준비물
- Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
- Make Linux/macOS는 보통 기본 설치되어 있습니다. Windows는 별도 설치(예: MSYS2, WSL)가 필요합니다.
⚠️ 이 프로젝트는 규모가 큰 저장소라, 이 방법이 실제 핵심 제품이 아니라 내부 하위 패키지를 가리키는 것일 수 있습니다. README 전체를 함께 확인해보세요.
cd packages/costa/benchmark
이 프로젝트의 관련 파일이 하위 폴더 안에 있어서, 먼저 그 폴더로 이동합니다.
make
생성된 빌드 설정을 바탕으로 실제 컴파일을 진행해 실행 파일을 만듭니다.
에러 없이 끝나면 성공입니다. 생성된 실행 파일을 직접 실행해보세요.
// repository documentation
Was this content helpful?
(0 ratings)