<https://sai-perfume-recommendation.web.app/>
☝☝☝ 여기서 서비스 바로 체험하기
❗❗❗ 지원언어 영어 (This service only supports ENGLISH !!!! NOT KOREAN)
- python 3.7
- conda 4.10.1
- MacOS 11.4
environments.yml 을 이용해 해당 conda 환경에 requirements 를 설치한다.
conda env create -f environment.yml
conda activate perfume_recommendation
이후 개발중에 requirements 를 추가하게 되면 아래의 command 를 통해 environment.yml
에 반영하도록 한다.
conda env export > environment.yml
https://www.notion.so/sejongai/Dataset-ff4e5acfdf6f444cb2d4d4d892665560
위의 링크에서 dataset_210626_215600.csv
을 다운받아 /data
에 배치한다.
https://drive.google.com/drive/folders/1-V_yRIoQH9C-2iuA7L7F_KeUd1vQ67EA
위의 링크를 폴더 째로 다운받아서 src/model
에 위치시킨다.
https://drive.google.com/drive/folders/1-5fk-xSCmLJE8SWkt7rI_mxhM2AlDQl8
위의 링크를 폴더 째로 다운받아서 src/tokenizer
에 위치시킨다.
https://www.notion.so/sejongai/recommend-cc741512dd1f43fd980c88b530c47344
위의 링크에서 w2v 관련 모델 및 dataset 다운로드 및 배치
아래 그림을 참고해서 dataset 과 모델을 위치시킨다.
https://www.notion.so/doc2vec-model-df02fdf44d3643de9e3ff09aedf98666
위의 링크에서 모든 파일을 다운받아 /doc2vec_model
에 배치한다.
https://www.notion.so/sejongai/doc2vec-BERT-rec-555a7f742f35412cba635e8a1c12bd50
위의 링크에서
- BERT에서 'ber_vec_label0.npy' 'ber_vec_label1.npy', 'ber_vec_label2.npy', 'ber_vec_label3.npy' 을 다운받아
/bert_vec
에 배치한다. - D2V에서 'doc_vec_label0.npy', 'doc_vec_label1.npy', 'doc_vec_label2.npy', 'doc_vec_label3.npy' 을 다운받아
/doc_vec
에 배치한다. - 공통 사용에서 'compact_label0.csv', 'compact_label1.csv', 'compact_label2.csv', 'compact_label3.csv' 을 다운받아
/data
에 배치한다.
아래 커맨드를 clone 한 뒤 최초 1회 실행한다.
python preset.py
http://www.science.smith.edu/dftwiki/index.php/Tutorial:_Docker_Anaconda_Python_--_4 https://hub.docker.com/r/continuumio/anaconda3/dockerfile https://pythonspeed.com/articles/activate-conda-dockerfile
도커 아나콘다 이미지 만들기 가이드.
docker build . -t asia.gcr.io/sai-perfume-recommendation/inferer
docker push asia.gcr.io/sai-perfume-recommendation/inferer