Examples Overview

Обзор примеров

В репозитории MLumina есть два независимых дерева примеров:

• examples/ — самостоятельные скрипты, демонстрирующие каждый пакет фреймворка (xgboost, image_models, torch_models, interpolation_tables, components_wear), плюс пара скриптов для проверки связи с Ray и планировщиком.
• src/mlumina/ray_wrapper/examples/ — "поваренная книга" готовых пайплайнов Ray Train/Tune (линейная регрессия, SVM, полносвязная сеть, CNN, Vision Transformer), у каждого есть пара train.py/tune.py для прямого запуска и schedule_*.py для запуска через сервис-планировщик.

Статус примеров

Корневой run.sh перечисляет варианты запуска — на момент написания этой документации активна (раскомментирована) только одна строка:

python3.12 ./examples/components_wear/example_objects_simulate_ray.py

Остальные примеры не проверяютсяпокрыты автоматическиCI, но все скрипты из examples/ были развёрнуты и непрогнаны покрытына CI.локальном ПриDocker-стеке подготовкеи этойприведены документациив частьрабочее изсостояние: нихdocker былаcompose прогнана-f вручнуюdocker-compose-local.yml up -d --build, затем каждый пример выполнен изнутри кластера (docker exec/docker run с примонтированным репозиторием). По ходу проверки нашлись и были исправлены баги в самих примерах, в модуле components_wear, в Dockerfile/.dockerignore и в конфигурации MLflow — там, где найдены проблемы (отсутствующие файлы данных, известные баги), это явно отмеченоподробности на соответствующейстраницах странице.отдельных примеров (разделы «Исправлено»/«✅ Проверено»).

Как запускать

Большинство примеров в examples/ — обычные Python-скрипты, требующие установленного пакета (pip install -e .) и, для Ray-версий, поднятого кластера (docker compose up -d --build в корне репозитория, см. книгу «Документация MLumina» → страница Deployment). Скрипты в ray_wrapper/examples/ дополнительно предполагают запуск изнутри контейнера head/worker/scheduler (пути вида /home/ray/src/mlumina в runtime_env — это путь внутри контейнера).

Содержание книги

1. XGBoost Example — полный цикл: загрузка данных, обучение, тюнинг, локально и через Ray.
2. Image Models Example — обучение и инференс YOLO через YoloImageModel.
3. Torch Models Example — обучение простой сети и auto_search.
4. Interpolation Tables Examples — интерполяция таблиц и сравнение sklearn-моделей.
5. Components Wear Examples — симуляция износа графа компонентов (включая рабочий и сломанный сценарии).компонентов.
6. Scheduler and Ray Basics — минимальные скрипты проверки связи с кластером и планировщиком.
7. Ray Wrapper: Linear Regression and SVM — простейшие шаблоны ray.tune.
8. Ray Wrapper: FCNN and CNN — полносвязные и свёрточные сети на MNIST/CIFAR-10.
9. Ray Wrapper: Vision Transformer — ViT на CIFAR-10/CIFAR-100.
10. Running Examples via Scheduler — как отправить любой из примеров в очередь планировщика вместо прямого запуска.

Модульная документация самих API-классов, которые используют эти примеры, — в книге «Документация MLumina».