mlcourse-prac

Проверяющая система для прака по спецкурсу ML.

Как это все использовать

Требования к серверу:

• Tesla A100 80 GB (GPU с индексом 0 всегда должен быть свободен)
• Docker с включенным NVIDIA runtime
• Poetry (https://python-poetry.org/)

1. Подготовка файлов на сервере

• Скопировать директорию с проектом в /opt/mlcourse-prac на сервере
• Создать директорию /opt/mlcourse-prac/solutions для хранения БД и решений студентов
• Создать директорию /opt/mlcourse-prac/data, в которой разместить наборы картинок и обученную модель с бэкдором (см. конфиг mlcourse.conf)

2. Вставить недостающие значения в конфиг mlcourse.conf

3. Собрать wheel проверяющей системы для установки в контейнер, собрать сам контейнер:

poetry build
docker build -t mlcourse .  # не менять название образа

4. Скопировать systemd unit и включить сервис:

cp mlcourse.service /lib/systemd/system/
systemctl enable mlcourse
systemctl start mlcourse