一个Python库,用于训练基础设施代码缺陷预测的机器学习模型。
radon-defect-predictor的Python项目详细描述
氡缺陷预测
RADON命令行客户端用于基础设施代码缺陷预测。在
如何安装
从PyPI:
pip install radon-defect-predictor
源代码:
git clone https://github.com/radon-h2020/radon-defect-prediction.git cd radon-defect-predictor pip install -r requirements.txt pip install .
快速入门
^{pr2}$如何构建Docker容器
docker build --tag radon-dp:latest .
如何运行Docker容器
首先,创建一个主机卷,在主机和Docker容器之间共享数据和结果:
mkdir /tmp/radon-dp-volume/
火车
创建一个训练数据集metrics.csv
,并将其复制/移动到/tmp/radon-dp-volume/
。
参见如何生成缺陷预测的训练数据here。在
运行:
docker run -v /tmp/radon-dp-volume:/app radon-dp:latest radon-defect-predictor train metrics.csv ...
有关此命令的详细信息,请参阅docs。在
构建的模型可以在/tmp/radon-dp-volume/radondp_model.joblib
访问。在
型号
运行:
docker run -v /tmp/radon-dp-volume:/app radon-dp:latest radon-defect-predictor download-model ...
有关此命令的详细信息,请参阅docs。在
下载的模型可以访问/tmp/radon-dp-volume/radondp_model.joblib
。在
预测
在共享卷中移动要预测的模型和文件。 例如,如果要在.csar上运行预测,则
cp patah/to/file.csar /tmp/radon-dp-volume
。在
或者,您可以从包含.csar的文件夹创建一个卷(在这种情况下,请确保在其中移动模型)。在
运行:
docker run -v /tmp/radon-dp-volume:/app radon-dp:latest radon-defect-predictor predict ...
有关此命令的详细信息,请参阅docs。在
可以在/tmp/radon-dp-volume/radondp_predictions.json
访问这些预测。在
- 项目
标签: