Notre avis
Construit des conteneurs Docker pour des composants de serveur ML en utilisant docker compose.
Points forts
- Automatise la construction de plusieurs modèles ML simultanément ou individuellement.
- Permet des options avancées comme le push vers un registre, la construction sans cache ou CPU-only.
- Structure claire pour différents modèles (FinRL, StockMixer, etc.).
Limites
- Dépend de la présence des fichiers Docker et de docker compose dans le projet.
- Peut échouer si les modèles nécessitent des poids pré-téléchargés ou des dépendances CUDA.
- Ne gère pas le déploiement ni la gestion des registres.
Utilisez cette compétence pour construire rapidement une image Docker d'un serveur ML avec plusieurs modèles.
Ne l'utilisez pas si vous avez besoin de déployer des modèles sur Kubernetes ou de gérer des pipelines de CI/CD complexes.
Analyse de sécurité
PrudenceThe skill uses Docker commands (build, push) which are powerful and could be misused if the user runs malicious content, but the instructions themselves are legitimate and do not include destructive, exfiltrating, or obfuscated actions. The skill is safe for its intended purpose of building ML containers.
Aucun point d'attention détecté
Exemples
/build-ml --push/build-ml --no-cache finrl/build-ml --cpuname: build-ml description: Build ML server Docker containers argument-hint: "[--push|--no-cache|model]"
ML Server Builder
Build Docker containers for ML server components.
Usage
/build-ml- Build all ML containers/build-ml --no-cache- Build without cache/build-ml --push- Build and push to registry/build-ml finrl- Build specific model container/build-ml --cpu- Build CPU-only versions
ML Server Structure
services/ml-server/
├── docker-compose.yml # ML services orchestration
├── docker-compose.dev.yml # Development config
├── Dockerfile # Base ML image
├── finrl/ # FinRL deep learning
├── stockmixer/ # Stock mixing models
├── master/ # Master orchestrator
├── samba/ # Samba models
├── macrohft/ # Macro HFT models
└── src/ # Shared ML code
Available Models
finrl- Deep reinforcement learning (FinRL)stockmixer- Multi-asset mixingmaster- Model orchestrationsamba- Samba-based modelsmacrohft- Macro HFT strategies
Instructions
When this skill is invoked:
-
Parse arguments:
--no-cache: Add--no-cacheto docker build--push: Push to container registry after build--cpu: Use CPU-only base images- Model name: Build only that model's container
-
Navigate to ML server directory:
cd services/ml-server -
Build containers:
# All containers docker compose build $NO_CACHE # Specific model docker compose build $MODEL $NO_CACHE -
If
--pushspecified:- Verify registry credentials
- Tag images appropriately
- Push to registry:
docker compose push $MODEL
-
Report build results:
- Build time per container
- Final image sizes
- Any build warnings
- Layer cache efficiency
-
Common build issues:
- CUDA not found: Use
--cpuflag or install NVIDIA container toolkit - Out of memory: Increase Docker memory limit
- Pip install fails: Check requirements.txt for version conflicts
- Model weights missing: Download from model registry first
- CUDA not found: Use
Image Tags
latest- Most recent buildv{version}- Release versions{git-sha}- Specific commit buildscpu- CPU-only builds
Ingénierie de Prompts
Data & IA
Bonnes pratiques et templates de prompt engineering pour maximiser les résultats IA.
Visualisation de Données
Data & IA
Génère des visualisations de données et graphiques adaptés à vos données.
Architecture RAG
Data & IA
Guide de configuration d'architectures RAG (Retrieval-Augmented Generation).