LETO es un sistema de soporte a la toma de decisiones, basado en técnicas de aprendizaje de máquina y representación del conocimiento. El sistema es capaz de obtener información de múltiples fuentes.
Para "instalar" el sistema, se debe compilar la imagen de Docker que representa la arquitectura del sistema. Esta imagen hereda directamente de tensorflow/tensorflow:latest-py3 por lo que si esta imagen no está disponible localmente será descargada (aproximadamente 1.25 GB).
El script leto.sh sirve para manejar todas las operaciones. Antes de comenzar, es conveniente hacer:
./leto.sh install
Lo cual creará en /usr/bin un enlace suave a leto.sh. A partir de ahí, escribir leto directamente en la terminal dará acceso a todos los comandos. Si no desea hacer esto, sustituya todos los llamados a leto por ./leto.sh en las instrucciones que siguen a continuación.
Para construir la imagen:
leto build
Existe una versión build* que usa los repositorios locales de la Universidad de La Habana en vez de los repositorios estándares de Internet, para disminuir el tiempo de descarga de los paquetes de Python.
Una vez construida la imagen, el siguiente comando abre una terminal directamente dentro del sistema:
leto
Este comando crea un container, monta como un volumen externo la carpeta del proyecto dentro del container, y abre una terminal.
leto notebook
Este comando crea un container, monta como un volumen externo la carpeta del proyecto dentro del container, y abre una terminal ejecutando jupyter notebook en el container, y dejando el puerto 8888 del host enlazado. De modo que en http://localhost:8888 estará corriendo Jupyter dentro de la carpeta del proyecto.
ADVERTENCIA: Al terminar este comando, todos los notebooks que estén en la raíz del proyecto serán borrados. Esto se hace para garantizar que no se creen infinitos archivos temporales. Para garantizar que se guarden las notebooks, ponerlas dentro de la carpeta notebooks.
Please cite this work with the following this BibTeX:
@inproceedings{DBLP:conf/ranlp/Estevez-Velarde19,
author = {Suilan Estevez{-}Velarde and
Andr{\'{e}}s Montoyo and
Yudivi{\'{a}}n Almeida{-}Cruz and
Yoan Guti{\'{e}}rrez and
Alejandro Piad{-}Morffis and
Rafael Mu{\~{n}}oz},
editor = {Ruslan Mitkov and
Galia Angelova},
title = {Demo Application for {LETO:} Learning Engine Through Ontologies},
booktitle = {Proceedings of the International Conference on Recent Advances in
Natural Language Processing, {RANLP} 2019, Varna, Bulgaria, September
2-4, 2019},
pages = {276--284},
publisher = {{INCOMA} Ltd.},
year = {2019},
url = {https://doi.org/10.26615/978-954-452-056-4\_032},
doi = {10.26615/978-954-452-056-4\_032},
timestamp = {Fri, 31 Jan 2020 12:36:51 +0100},
biburl = {https://dblp.org/rec/conf/ranlp/Estevez-Velarde19.bib},
bibsource = {dblp computer science bibliography, https://dblp.org}
}
Content type
Image
Digest
Size
1.4 GB
Last updated
about 6 years ago
docker pull gplsi/leto