Вы не можете выбрать более 25 тем
Темы должны начинаться с буквы или цифры, могут содержать дефисы(-) и должны содержать не более 35 символов.
72 строки
3.6 KiB
Markdown
72 строки
3.6 KiB
Markdown
# Сервис предсказания цен
|
|
|
|
Веб-сервис предсказания цен на подержанные автомобили; только stateless API. Об используемой предсказательной модели см. `research/README.md`.
|
|
|
|
## API
|
|
|
|
**Базовый URL**: `/api`. Все указанные далее URL записаны **относительно базового URL**, если не указано иное.
|
|
|
|
* Полная интерактивная документация (Swagger UI): `/docs`.
|
|
|
|
* Предсказать цену подержанного автомобиля: `/predict` (POST).
|
|
|
|
Пример запроса:
|
|
|
|
* requst query: `item_id=16` (параметр `item_id` необходим!);
|
|
|
|
* request body:
|
|
|
|
```json
|
|
{
|
|
"selling_price": 5.59,
|
|
"driven_kms": 27000.0,
|
|
"age": 5.0,
|
|
"fuel_type": "petrol",
|
|
"selling_type": "dealer",
|
|
"transmission_type": "manual"
|
|
}
|
|
```
|
|
|
|
* response body:
|
|
|
|
```json
|
|
{
|
|
"item_id": 16,
|
|
"price": 3.743508852258851
|
|
}
|
|
```
|
|
|
|
* Тестовый эндпоинт: `/` (GET).
|
|
|
|
Возвращает простой демонстрационный объект JSON.
|
|
|
|
Может использоваться для проверки состояния сервиса.
|
|
|
|
## Развёртывание
|
|
|
|
### Файл модели
|
|
|
|
Файл используемой предсказательной модели `model.pkl` можно извлечь из MLFlow скриптом `services/models/fetch_model_as_pickle_from_mlflow.py`. Файл модели можно разместить в директории проекта, а именно в `services/models/`.
|
|
|
|
Например, извлечь модель по имени (`<model-name>`) и версии (`<model-version>`) (например, `UsedCardPricePredictionFinal/1`) (команда запускается из корневой директории проекта — от этого зависит путь к создаваемому файлу):
|
|
|
|
python services/models/fetch_model_as_pickle_from_mlflow.py --model "models:/<model-name>/<model-version>" services/models/model.pkl
|
|
|
|
Можно указать адрес tracking сервера MLFlow, например: `--tracking-uri "http://localhost:5000"`.
|
|
|
|
Информация о других опциях доступна:
|
|
|
|
python services/models/fetch_model_as_pickle_from_mlflow.py --help
|
|
|
|
### Образ Docker
|
|
|
|
Сборка образа (замените `<version>` на номер версии) (команда запускается из корневой директории проекта — от этого зависит путь к директории):
|
|
|
|
docker build -t ml_service:<version> services/ml_service/
|
|
|
|
Запуск образа (замените `<version>` на номер версии образа, `<models-dir>` на **абсолютный** путь к директории, где размещён файл предсказательной модели `model.pkl`, `<port>` на порт для запуска веб-сервиса (например, `8000`)):
|
|
|
|
docker run -v "<models-dir>:/models" -p <port>:8000 ml_service:<version>
|
|
|
|
Модель может быть размещена в директории проекта; тогда, например, при запуске команды из корна проекта: `$(pwd)/services/models` (здесь `$(pwd)` используется потому, что необходим абсолютный путь).
|