Machine Learning Project - Docker Setup

Προαπαιτούμενα

1. Εγκατάσταση Docker Desktop

Κατεβάστε και εγκαταστήστε το Docker Desktop από:

• Windows/Mac: https://www.docker.com/products/docker-desktop

2. Άνοιγμα Docker Desktop

Μετά την εγκατάσταση, ανοίξτε το Docker Desktop και βεβαιωθείτε ότι τρέχει (θα δείτε το Docker icon στην taskbar).

Εγκατάσταση και Εκκίνηση

1. Build και Start του Container

docker-compose up --build -d 

Αυτή η εντολή θα:

• Δημιουργήσει το Docker image με Python και τα απαραίτητα packages (sklearn, pandas, pytorch, numpy)
• Ξεκινήσει το container mlproject-container στο background

2. Έλεγχος ότι ο container τρέχει σωστά

Μπορείτε να ελέγξετε αν ο container είναι σε λειτουργία με δύο τρόπους:

• Μέσα από το Docker Desktop, όπου θα πρέπει να δείτε το mlproject-container στη λίστα των ενεργών containers.

• Εναλλακτικά, εκτελέστε στο terminal:

  docker ps

  και ελέγξτε ότι το mlproject-container εμφανίζεται στη λίστα.

Χρήση

Δομή datasets (IEMOCAP / CREMA-D)

Τα scripts περιμένουν τα datasets κάτω από datasets/:

datasets/
  cremad/
    AudioWAV/
      *.wav
  iemocap/
    iemocap_full_dataset.csv
    Session1/...
    Session2/...
    Session3/...
    Session4/...
    Session5/...

Στο iemocap_full_dataset.csv πρέπει να υπάρχει στήλη path με relative paths προς το datasets/iemocap/ (π.χ. Session1/sentences/wav/...).

Εκτέλεση Python Script

Για να τρέξετε ένα Python script μέσα στο container:

docker exec -it mlproject-container python your_script.py

Παράδειγμα:

docker exec -it mlproject-container python test.py

Ανοίγμα Interactive Python Shell

docker exec -it mlproject-container python

Ανοίγμα Bash Shell στο Container

docker exec -it mlproject-container bash

Σταμάτημα του Container

docker-compose down

Επανεκκίνηση

docker-compose restart

Προσθήκη Νέων Βιβλιοθηκών

Αν προσθέσεις βιβλιοθήκη στο requirements.txt, κάνε rebuild τον container:

docker-compose down
docker-compose up --build -d