MLCube是一个新的开源容器，它基于引入到基于Python的机器学习工作流中以实现可重现性的基础设施规范。它可以利用Podman、Singularity和Docker等工具。还支持在远程平台上执行。开发MLCube的MLCommons最佳实践工作组的主席之一是来自RedHat的DianeFeddema。这篇介绍性文章解释了如何在FedoraLinux上使用Podman运行“helloworld”MLCube示例。YazanMonshed在Fedora上写了一篇非常有用的Podman介绍，详细介绍了此处使用的一些步骤。首先安装必要的依赖项。sudodnf-yupdatesudodnf-yinstallpodmangitvirtualenv\policycoreutils-python-utils然后，如文档所述，设置虚拟环境并获取示例代码。为确保可重复性，请使用特定的提交，因为项目正在积极改进中。virtualenv-ppython3./env_mlcubesource./env_mlcube/bin/activategitclonehttps://github.com/mlcommons/mlcube_examples.gitcd./mlcube_examples/hello_worldgitcheckout5fe69bdpipinstallmlcubemlcube-dockermlcubedescribe现在，通过编辑$HOME/mlcube.yaml文件，将runner命令从docker改为podman，即：docker:docker改为:docker:podman如果你使用的是x86_64架构的电脑，可以通过以下方式获取容器：mlcube配置--mlcube=.--platform=docker你会看到一些选项：请选择一个图像：?registry.fedoraproject.org/mlcommons/hello_world:0.0.1registry.access.redhat.com/mlcommons/hello_world:0.0.1docker.io/mlcommons/hello_world:0.0.1quay.io/mlcommons/hello_world:0.0.1选择docker.io/mlcommons/hello_world:0.0.1获取容器。如果您的计算机不是x86_64，则需要构建容器。更改文件$HOME/mlcube.yaml，更改此行：build_strategy:pull到：build_strategy:auto，然后使用：mlcubeconfigure--mlcube=构建容器。--platform=docker要运行测试，您可能需要在目录中适当地设置SELinux权限。您可以通过键入以下内容来检查SELinux是否已启用：sudosestatus应该输出如下内容：SELinuxstatus:enabled...JosphatMutai、ChristopherSmart和DanielWalsh解释说，在设置适当的SELinux策略后，您需要小心。在这里，您将允许容器读取和写入工作区目录。sudosemanagefcontext-a-tcontainer_file_t"$PWD/workspace(/.*)?"sudorestorecon-Rv$PWD/workspace现在检查目录策略：ls-Z输出如下：object_r:user_home_t:s0requirements.txtunconfined_u:object_r:container_file_t:s0workspace现在运行这个例子：mlcube=run--ml-task=hello--platform=dockermlcuberun--mlcube=。--task=bye--platform=docker最后，检查输出：catworkspace/chats/chat_with_alice.txt的文本类似于：嗨，爱丽丝！很高兴见到你。再见，爱丽丝！很高兴和你交谈。您可以按照此处所述创建自己的MLCube。欢迎对MLCube示例存储库做出贡献。Udica是一个新项目，承诺为系统管理员可以轻松应用的容器提供更精细的SELinux策略控制。这些项目的积极开发正在进行中。测试它们并提供反馈将有助于使用SELinux更轻松、更高效地在系统上进行安全数据管理。
