mlrun.code_to_function和mlrun.new_project之间的区别是什么

Question

mlrun.code_to_function和mlrun.new_project有什么区别？例如，我们可以使用code_to_function部署一个函数

a_fn = mlrun.code_to_function(name='my_function', 
                              handler='handler', 
                              kind='nuclio', 
                              image='mlrun/mlrun')
a_fn.deploy()

或者我们可以使用mlrun.project.set_function部署一个函数

project = mlrun.new_project(project_name_base,
                            context=project_path,                           
                            user_project=True)                                                    
fn = project.set_function("my_function.ipynb", 
                           name='my_function')

在哪种情况下，我应该使用code_to_function或set_function？

Answer 1

MLRun的核心概念之一是用一段代码创建一个无服务器函数。您可以指定Python文件、入口点函数、Docker镜像、K8s资源等。code_to_function是实现这一点的方法。有关更多信息，请参阅docs中的此页面。

# file.py
def handler(context):
    context.logger.info("Hello World")

# deploy.py
from mlrun import code_to_function, new_project

project = new_project(name="my-project")

fn = code_to_function(
    name="my-function",
    project="my-project",
    filename="file.py",
    kind="job",
    handler="handler",
    image="mlrun/mlrun"
)
fn.run()

您可以自行创建和运行这些函数，也可以使用KubeFlow之类的工具来编排包含多个函数的管道。set_project是该工作流程的一部分。您可以使用通过code_to_function创建的函数，也可以只在set_project中指定一些参数。然后，您将能够将此函数用作更大的KubeFlow管道的一部分。有关更多信息，请参阅docs中的此页面。

project.set_function(fn)

project.set_function(
    name="my-function",
    func="file.py",
    kind="job",
    image="mlrun/mlrun"
)