Conteneuriser un modèle de ML
Empaqueter des modèles ML pour le déploiement
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Écrivez un Dockerfile pour conteneuriser une API de service de modèle ML Python construite avec FastAPI. Le modèle est chargé depuis [CHEMIN_MODELE], utilise [LISTE_DEPENDANCES] et expose un point de terminaison /predict. Optimisez la taille de l'image en utilisant des constructions multi-étapes, épinglez toutes les versions de dépendances et ajoutez un point de terminaison de vérification de l'état.
Personnaliser ce prompt avec Léa
Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.
Cas d'usage
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Pour éviter d'alourdir l'image, montez le modèle via un volume Docker ou téléchargez‑le au démarrage plutôt que de le copier. Ajoutez un `.dockerignore` pour exclure le cache pip et les fichiers inutiles.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Analyse des données de stocks et d'inventaire
Analyse complète des données d'inventaire avec classification ABC/XYZ, calcul des seuils et optimisation du BFR.
Analyse de la rétention
Améliorer la rétention utilisateur
Ingénierie de caractéristiques temporelles
Extraire des caractéristiques de colonnes datetime
Génération d'un rapport automatisé hebdomadaire
Conçoit un système de rapport hebdomadaire automatisé avec commentaires intelligents et alertes contextuelles.