更新时间:2022-09-09 GMT+08:00
分享

定时调用

  • 定时预测
    从console界面上获取到deploy_apipath,body体请求示例如下:
    data_dict = {
    "pred_hour":18,
    "input_path":"obs://obs_path/test_xxx.csv", # 自定义,指定到csv
    "output_path":"obs://obs_path/pred_result.json",# 自定义,输出格式为json
    "S3_ACCESS_KEY_ID":"xxx",# ak
    "S3_SECRET_ACCESS_KEY":"xxx",# sk
    "S3_ENDPOINT":"obs.{region_name}.myhuaweicloud.com" # 对应region的endpoint
    }
    def infer(header_config, deploy_apipath, data_dict):
    body = json.dumps(data_dict)
    response = requests.post(deploy_apipath,
    headers=header_config, data=body, verify=False)
    print(response.text.replace("'", '"').replace('/ ', '/'))
    rep_json = response.json()
    return rep_json
    infer(header_config, deploy_apipath, data_dict)
  • 定时训练

    为防止因数据分布引起模型精度下降,建议每天更新模型,只需在界面上将workflow配置建模的定时启动打开即可。

    图1 图示3

相关文档