**日期**: 2025-07-18 **主题**: 模型保存逻辑重构与集中化管理 ### 目标 根据 `xz训练模型保存规则.md`,将系统中分散的模型文件保存逻辑统一重构,创建一个集中、健壮且可测试的路径管理系统。 ### 核心成果 1. **创建了 `server/utils/file_save.py` 模块**: 这个新模块现在是系统中处理模型文件保存路径的唯一权威来源。 2. **实现了三种训练模式的路径生成**: 系统现在可以为“按店铺”、“按药品”和“全局”三种训练模式正确生成层级化的、可追溯的目录结构。 3. **集成了智能ID处理**: * 对于包含**多个ID**的训练场景,系统会自动计算一个简短的哈希值作为目录名。 * 对于全局训练中只包含**单个店铺或药品ID**的场景,系统会直接使用该ID作为目录名,增强了路径的可读性。 4. **重构了整个训练流程**: 修改了API层、进程管理层以及所有模型训练器,使它们能够协同使用新的路径管理模块。 5. **添加了自动化测试**: 创建了 `test/test_file_save_logic.py` 脚本,用于验证所有路径生成和版本管理逻辑的正确性。 ### 详细文件修改记录 1. **`server/utils/file_save.py`** * **操作**: 创建 * **内容**: 实现了 `ModelPathManager` 类,包含以下核心方法: * `_hash_ids`: 对ID列表进行排序和哈希。 * `_generate_identifier`: 根据训练模式和参数生成唯一的模型标识符。 * `get_next_version` / `save_version_info`: 线程安全地管理 `versions.json` 文件,实现版本号的获取和更新。 * `get_model_paths`: 作为主入口,协调以上方法,生成包含所有产物路径的字典。 2. **`server/api.py`** * **操作**: 修改 * **位置**: `start_training` 函数 (`/api/training` 端点)。 * **内容**: * 导入并实例化 `ModelPathManager`。 * 在接收到训练请求后,调用 `path_manager.get_model_paths()` 来获取所有路径信息。 * 将获取到的 `path_info` 字典和原始请求参数 `training_params` 一并传递给后台训练任务管理器。 * 修复了因重复传递关键字参数 (`model_type`, `training_mode`) 导致的 `TypeError`。 * 修复了 `except` 块中因未导入 `traceback` 模块导致的 `UnboundLocalError`。 3. **`server/utils/training_process_manager.py`** * **操作**: 修改 * **内容**: * 修改 `submit_task` 方法,使其能接收 `training_params` 和 `path_info` 字典。 * 在 `TrainingTask` 数据类中增加了 `path_info` 字段来存储路径信息。 * 在 `TrainingWorker` 中,将 `path_info` 传递给实际的训练函数。 * 在 `_monitor_results` 方法中,当任务成功完成时,调用 `path_manager.save_version_info` 来更新 `versions.json`,完成版本管理的闭环。 4. **所有训练器文件** (`mlstm_trainer.py`, `kan_trainer.py`, `tcn_trainer.py`, `transformer_trainer.py`) * **操作**: 修改 * **内容**: * 统一修改了主训练函数的签名,增加了 `path_info=None` 参数。 * 移除了所有内部手动构建文件路径的逻辑。 * 所有保存操作(最终模型、检查点、损失曲线图)现在都直接从传入的 `path_info` 字典中获取预先生成好的路径。 * 简化了 `save_checkpoint` 辅助函数,使其也依赖 `path_info`。 5. **`test/test_file_save_logic.py`** * **操作**: 创建 * **内容**: * 编写了一个独立的测试脚本,用于验证 `ModelPathManager` 的所有功能。 * 覆盖了所有训练模式及其子场景(包括单ID和多ID哈希)。 * 测试了版本号的正确递增和 `versions.json` 的写入。 * 修复了测试脚本中因绝对/相对路径不匹配和重复关键字参数导致的多个 `AssertionError` 和 `TypeError`。 --- **日期**: 2025-07-18 (后续修复) **主题**: 修复API层调用路径管理器时的 `TypeError` ### 问题描述 在完成所有重构和测试后,实际运行API时,`POST /api/training` 端点在调用 `path_manager.get_model_paths` 时崩溃,并抛出 `TypeError: get_model_paths() got multiple values for keyword argument 'training_mode'`。 ### 根本原因 这是一个回归错误。在修复测试脚本 `test_file_save_logic.py` 中的类似问题时,我未能将相同的修复逻辑应用回 `server/api.py`。代码在调用 `get_model_paths` 时,既通过关键字参数 `training_mode=...` 明确传递了该参数,又通过 `**data` 将其再次传入,导致了冲突。 ### 解决方案 1. **文件**: `server/api.py` 2. **位置**: `start_training` 函数。 3. **操作**: 修改了对 `get_model_paths` 的调用逻辑。 4. **内容**: ```python # 移除 model_type 和 training_mode 以避免重复关键字参数错误 data_for_path = data.copy() data_for_path.pop('model_type', None) data_for_path.pop('training_mode', None) path_info = path_manager.get_model_paths( training_mode=training_mode, model_type=model_type, **data_for_path # 传递剩余的payload ) ``` 5. **原因**: 在通过 `**` 解包传递参数之前,先从字典副本中移除了所有会被明确指定的关键字参数,从而确保了函数调用签名的正确性。 --- **日期**: 2025-07-18 (最终修复) **主题**: 修复因中间层函数签名未更新导致的 `TypeError` ### 问题描述 在完成所有重构后,实际运行API并触发训练任务时,程序在后台进程中因 `TypeError: train_model() got an unexpected keyword argument 'path_info'` 而崩溃。 ### 根本原因 这是一个典型的“中间人”遗漏错误。我成功地修改了调用链的两端(`api.py` -> `training_process_manager.py` 和 `*_trainer.py`),但忘记了修改它们之间的中间层——`server/core/predictor.py` 中的 `train_model` 方法。`training_process_manager` 尝试将 `path_info` 传递给 `predictor.train_model`,但后者的函数签名中并未包含这个新参数,导致了 `TypeError`。 ### 解决方案 1. **文件**: `server/core/predictor.py` 2. **位置**: `train_model` 函数的定义处。 3. **操作**: 在函数签名中增加了 `path_info=None` 参数。 4. **内容**: ```python def train_model(self, ..., progress_callback=None, path_info=None): # ... ``` 5. **位置**: `train_model` 函数内部,对所有具体训练器(`train_product_model_with_mlstm`, `_with_kan`, etc.)的调用处。 6. **操作**: 在所有调用中,将接收到的 `path_info` 参数透传下去。 7. **内容**: ```python # ... metrics = train_product_model_with_transformer( ..., path_info=path_info ) # ... ``` 8. **原因**: 通过在中间层函数上“打通”`path_info` 参数的传递通道,确保了从API层到最终训练器层的完整数据流,解决了 `TypeError`。 --- **日期**: 2025-07-18 (最终修复) **主题**: 修复“按药品训练-聚合所有店铺”模式下的路径生成错误 ### 问题描述 在实际运行中发现,当进行“按药品训练”并选择“聚合所有店铺”时,生成的模型保存路径中包含了错误的后缀 `_None`,而不是预期的 `_all` (例如 `.../17002608_None/...`)。 ### 根本原因 在 `server/utils/file_save.py` 的 `_generate_identifier` 和 `get_model_paths` 方法中,当 `store_id` 从前端传来为 `None` 时,代码 `scope = store_id if store_id else 'all'` 会因为 `store_id` 是 `None` 而正确地将 `scope` 设为 `'all'`。然而,在 `get_model_paths` 方法中,我错误地使用了 `kwargs.get('store_id', 'all')`,这在 `store_id` 键存在但值为 `None` 时,仍然会返回 `None`,导致了路径拼接错误。 ### 解决方案 1. **文件**: `server/utils/file_save.py` 2. **位置**: `_generate_identifier` 和 `get_model_paths` 方法中处理 `product` 训练模式的部分。 3. **操作**: 将逻辑从 `scope = kwargs.get('store_id', 'all')` 修改为更严谨的 `scope = store_id if store_id is not None else 'all'`。 4. **内容**: ```python # in _generate_identifier scope = store_id if store_id is not None else 'all' # in get_model_paths store_id = kwargs.get('store_id') scope = store_id if store_id is not None else 'all' scope_folder = f"{product_id}_{scope}" ``` 5. **原因**: 这种写法能正确处理 `store_id` 键不存在、或键存在但值为 `None` 的两种情况,确保在这两种情况下 `scope` 都被正确地设置为 `'all'`,从而生成符合规范的路径。 --- **日期**: 2025-07-18 (最终修复) **主题**: 修复 `KeyError: 'price'` 和单ID哈希错误 ### 问题描述 在完成大规模重构后,实际运行时发现了两个隐藏的bug: 1. 在“按店铺训练”模式下,训练因 `KeyError: 'price'` 而失败。 2. 在“按店铺训练”模式下,当只选择一个“指定药品”时,系统仍然错误地对该药品的ID进行了哈希处理,而不是直接使用ID。 ### 根本原因 1. **`KeyError`**: `server/utils/multi_store_data_utils.py` 中的 `get_store_product_sales_data` 函数包含了一个硬编码的列校验,该校验要求 `price` 列必须存在,但这与当前的数据源不符。 2. **哈希错误**: `server/utils/file_save.py` 中的 `get_model_paths` 方法在处理 `store` 训练模式时,没有复用 `_generate_identifier` 中已经写好的单ID判断逻辑,导致了逻辑不一致。 ### 解决方案 1. **修复 `KeyError`**: * **文件**: `server/utils/multi_store_data_utils.py` * **位置**: `get_store_product_sales_data` 函数。 * **操作**: 从 `required_columns` 列表中移除了 `'price'`,根除了这个硬性依赖。 2. **修复哈希逻辑**: * **文件**: `server/utils/file_save.py` * **位置**: `_generate_identifier` 和 `get_model_paths` 方法中处理 `store` 训练模式的部分。 * **操作**: 统一了逻辑,确保在这两个地方都使用了 `scope = product_ids[0] if len(product_ids) == 1 else self._hash_ids(product_ids)` 的判断,从而在只选择一个药品时直接使用其ID。 3. **更新测试**: * **文件**: `test/test_file_save_logic.py` * **操作**: 增加了新的测试用例,专门验证“按店铺训练-单个指定药品”场景下的路径生成是否正确。 --- **日期**: 2025-07-18 (最终修复) **主题**: 修复全局训练范围值不匹配导致的 `ValueError` ### 问题描述 在完成所有重构后,实际运行API并触发“全局训练-所有店铺所有药品”时,程序因 `ValueError: 未知的全局训练范围: all_stores_all_products` 而崩溃。 ### 根本原因 前端传递的 `training_scope` 值为 `all_stores_all_products`,而 `server/utils/file_save.py` 中的 `_generate_identifier` 和 `get_model_paths` 方法只处理了 `all` 这个值,未能兼容前端传递的具体字符串,导致逻辑判断失败。 ### 解决方案 1. **文件**: `server/utils/file_save.py` 2. **位置**: `_generate_identifier` 和 `get_model_paths` 方法中处理 `global` 训练模式的部分。 3. **操作**: 将逻辑判断从 `if training_scope == 'all':` 修改为 `if training_scope in ['all', 'all_stores_all_products']:`。 4. **原因**: 使代码能够同时兼容两种表示“所有范围”的字符串,确保了前端请求的正确处理。 5. **更新测试**: * **文件**: `test/test_file_save_logic.py` * **操作**: 增加了新的测试用例,专门验证 `training_scope` 为 `all_stores_all_products` 时的路径生成是否正确。 --- **日期**: 2025-07-18 (最终优化) **主题**: 优化全局训练自定义模式下的单ID路径生成 ### 问题描述 根据用户反馈,希望在全局训练的“自定义范围”模式下,如果只选择单个店铺和/或单个药品,路径中应直接使用ID而不是哈希值,以增强可读性。 ### 解决方案 1. **文件**: `server/utils/file_save.py` 2. **位置**: `_generate_identifier` 和 `get_model_paths` 方法中处理 `global` 训练模式 `custom` 范围的部分。 3. **操作**: 为 `store_ids` 和 `product_ids` 分别增加了单ID判断逻辑。 4. **内容**: ```python # in _generate_identifier s_id = store_ids[0] if len(store_ids) == 1 else self._hash_ids(store_ids) p_id = product_ids[0] if len(product_ids) == 1 else self._hash_ids(product_ids) scope_part = f"custom_s_{s_id}_p_{p_id}" # in get_model_paths store_ids = kwargs.get('store_ids', []) product_ids = kwargs.get('product_ids', []) s_id = store_ids[0] if len(store_ids) == 1 else self._hash_ids(store_ids) p_id = product_ids[0] if len(product_ids) == 1 else self._hash_ids(product_ids) scope_parts.extend(['custom', s_id, p_id]) ``` 5. **原因**: 使 `custom` 模式下的路径生成逻辑与 `selected_stores` 和 `selected_products` 模式保持一致,在只选择一个ID时优先使用ID本身,提高了路径的可读性和一致性。 6. **更新测试**: * **文件**: `test/test_file_save_logic.py` * **操作**: 增加了新的测试用例,专门验证“全局训练-自定义范围-单ID”场景下的路径生成是否正确。
500 lines
22 KiB
Python
500 lines
22 KiB
Python
#!/usr/bin/env python3
|
||
# -*- coding: utf-8 -*-
|
||
"""
|
||
独立训练进程管理器
|
||
使用multiprocessing实现真正的并行训练,避免GIL限制
|
||
"""
|
||
|
||
import os
|
||
import sys
|
||
import uuid
|
||
import time
|
||
import json
|
||
import queue
|
||
import multiprocessing as mp
|
||
from multiprocessing import Process, Queue, Manager
|
||
from dataclasses import dataclass, asdict
|
||
from typing import Dict, Any, Optional, Callable
|
||
from threading import Thread, Lock
|
||
from pathlib import Path
|
||
|
||
# 添加当前目录到路径
|
||
current_dir = os.path.dirname(os.path.abspath(__file__))
|
||
server_dir = os.path.dirname(current_dir)
|
||
sys.path.append(server_dir)
|
||
|
||
from utils.logging_config import setup_api_logging, get_training_logger, log_training_progress
|
||
from utils.file_save import ModelPathManager
|
||
import numpy as np
|
||
|
||
def convert_numpy_types(obj):
|
||
"""递归地将字典/列表中的NumPy类型转换为Python原生类型"""
|
||
if isinstance(obj, dict):
|
||
return {k: convert_numpy_types(v) for k, v in obj.items()}
|
||
elif isinstance(obj, list):
|
||
return [convert_numpy_types(i) for i in obj]
|
||
elif isinstance(obj, np.generic):
|
||
return obj.item()
|
||
return obj
|
||
|
||
@dataclass
|
||
class TrainingTask:
|
||
"""训练任务数据结构"""
|
||
task_id: str
|
||
product_id: str
|
||
model_type: str
|
||
training_mode: str
|
||
store_id: Optional[str] = None
|
||
epochs: int = 100
|
||
status: str = "pending" # pending, running, completed, failed
|
||
start_time: Optional[str] = None
|
||
end_time: Optional[str] = None
|
||
progress: float = 0.0
|
||
message: str = ""
|
||
error: Optional[str] = None
|
||
metrics: Optional[Dict[str, Any]] = None
|
||
process_id: Optional[int] = None
|
||
path_info: Optional[Dict[str, Any]] = None # 新增字段
|
||
|
||
class TrainingWorker:
|
||
"""训练工作进程"""
|
||
|
||
def __init__(self, task_queue: Queue, result_queue: Queue, progress_queue: Queue):
|
||
self.task_queue = task_queue
|
||
self.result_queue = result_queue
|
||
self.progress_queue = progress_queue
|
||
|
||
def run_training_task(self, task: TrainingTask):
|
||
"""执行训练任务"""
|
||
try:
|
||
# 设置进程级别的日志
|
||
logger = setup_api_logging(log_level="INFO")
|
||
training_logger = get_training_logger(task.task_id, task.model_type, task.product_id)
|
||
|
||
# 发送日志到主控制台
|
||
self.progress_queue.put({
|
||
'task_id': task.task_id,
|
||
'log_type': 'info',
|
||
'message': f"🚀 训练进程启动 - PID: {os.getpid()}"
|
||
})
|
||
self.progress_queue.put({
|
||
'task_id': task.task_id,
|
||
'log_type': 'info',
|
||
'message': f"📋 任务参数: {task.model_type} | {task.product_id} | {task.epochs}轮次"
|
||
})
|
||
|
||
training_logger.info(f"🚀 训练进程启动 - PID: {os.getpid()}")
|
||
training_logger.info(f"📋 任务参数: {task.model_type} | {task.product_id} | {task.epochs}轮次")
|
||
|
||
# 更新任务状态
|
||
task.status = "running"
|
||
task.start_time = time.strftime('%Y-%m-%d %H:%M:%S')
|
||
task.process_id = os.getpid()
|
||
self.result_queue.put(('update', asdict(task)))
|
||
|
||
# 模拟训练进度更新
|
||
for epoch in range(1, task.epochs + 1):
|
||
progress = (epoch / task.epochs) * 100
|
||
|
||
# 发送进度更新
|
||
self.progress_queue.put({
|
||
'task_id': task.task_id,
|
||
'progress': progress,
|
||
'epoch': epoch,
|
||
'total_epochs': task.epochs,
|
||
'message': f"Epoch {epoch}/{task.epochs}"
|
||
})
|
||
|
||
training_logger.info(f"🔄 训练进度: Epoch {epoch}/{task.epochs} ({progress:.1f}%)")
|
||
|
||
# 模拟训练时间
|
||
time.sleep(1) # 实际训练中这里会是真正的训练代码
|
||
|
||
# 导入真正的训练函数
|
||
try:
|
||
# 添加服务器目录到路径,确保能找到core模块
|
||
server_dir = os.path.dirname(os.path.dirname(__file__))
|
||
if server_dir not in sys.path:
|
||
sys.path.append(server_dir)
|
||
|
||
from core.predictor import PharmacyPredictor
|
||
|
||
predictor = PharmacyPredictor()
|
||
training_logger.info("🤖 开始调用实际训练器")
|
||
|
||
# 发送训练开始日志到主控制台
|
||
self.progress_queue.put({
|
||
'task_id': task.task_id,
|
||
'log_type': 'info',
|
||
'message': f"🤖 开始执行 {task.model_type} 模型训练..."
|
||
})
|
||
|
||
# 创建子进程内的进度回调函数
|
||
def progress_callback(progress_data):
|
||
"""子进程内的进度回调,通过队列发送到主进程"""
|
||
try:
|
||
# 添加任务ID到进度数据
|
||
progress_data['task_id'] = task.task_id
|
||
self.progress_queue.put(progress_data)
|
||
except Exception as e:
|
||
training_logger.error(f"进度回调失败: {e}")
|
||
|
||
# 执行真正的训练,传递进度回调和路径信息
|
||
metrics = predictor.train_model(
|
||
product_id=task.product_id,
|
||
model_type=task.model_type,
|
||
epochs=task.epochs,
|
||
store_id=task.store_id,
|
||
training_mode=task.training_mode,
|
||
socketio=None, # 子进程中不能直接使用socketio
|
||
task_id=task.task_id,
|
||
progress_callback=progress_callback, # 传递进度回调函数
|
||
path_info=task.path_info # 传递路径信息
|
||
)
|
||
|
||
# 发送训练完成日志到主控制台
|
||
self.progress_queue.put({
|
||
'task_id': task.task_id,
|
||
'log_type': 'success',
|
||
'message': f"✅ {task.model_type} 模型训练完成!"
|
||
})
|
||
|
||
if metrics:
|
||
self.progress_queue.put({
|
||
'task_id': task.task_id,
|
||
'log_type': 'info',
|
||
'message': f"📊 训练指标: MSE={metrics.get('mse', 'N/A'):.4f}, RMSE={metrics.get('rmse', 'N/A'):.4f}"
|
||
})
|
||
except ImportError as e:
|
||
training_logger.error(f"❌ 导入训练器失败: {e}")
|
||
# 返回模拟的训练结果用于测试
|
||
metrics = {
|
||
"mse": 0.001,
|
||
"rmse": 0.032,
|
||
"mae": 0.025,
|
||
"r2": 0.95,
|
||
"mape": 2.5,
|
||
"training_time": task.epochs * 2,
|
||
"note": "模拟训练结果(导入失败时的备用方案)"
|
||
}
|
||
training_logger.warning("⚠️ 使用模拟训练结果")
|
||
|
||
# 训练完成
|
||
task.status = "completed"
|
||
task.end_time = time.strftime('%Y-%m-%d %H:%M:%S')
|
||
task.progress = 100.0
|
||
task.metrics = metrics
|
||
task.message = "训练完成"
|
||
|
||
training_logger.success(f"✅ 训练任务完成 - 耗时: {task.end_time}")
|
||
if metrics:
|
||
training_logger.info(f"📊 训练指标: {metrics}")
|
||
|
||
self.result_queue.put(('complete', asdict(task)))
|
||
|
||
except Exception as e:
|
||
error_msg = str(e)
|
||
task.status = "failed"
|
||
task.end_time = time.strftime('%Y-%m-%d %H:%M:%S')
|
||
task.error = error_msg
|
||
task.message = f"训练失败: {error_msg}"
|
||
|
||
training_logger.error(f"❌ 训练任务失败: {error_msg}")
|
||
self.result_queue.put(('error', asdict(task)))
|
||
|
||
def start(self):
|
||
"""启动工作进程"""
|
||
while True:
|
||
try:
|
||
# 从队列获取任务(超时5秒)
|
||
task_data = self.task_queue.get(timeout=5)
|
||
if task_data is None: # 毒丸,退出信号
|
||
break
|
||
|
||
task = TrainingTask(**task_data)
|
||
self.run_training_task(task)
|
||
|
||
except queue.Empty:
|
||
continue
|
||
except Exception as e:
|
||
print(f"工作进程错误: {e}")
|
||
continue
|
||
|
||
class TrainingProcessManager:
|
||
"""训练进程管理器"""
|
||
|
||
def __init__(self, max_workers: int = 2):
|
||
self.max_workers = max_workers
|
||
self.tasks: Dict[str, TrainingTask] = {}
|
||
self.processes: Dict[str, Process] = {}
|
||
self.task_queue = Queue()
|
||
self.result_queue = Queue()
|
||
self.progress_queue = Queue()
|
||
self.running = False
|
||
self.lock = Lock()
|
||
|
||
# WebSocket回调
|
||
self.websocket_callback: Optional[Callable] = None
|
||
|
||
# 设置日志
|
||
self.logger = setup_api_logging()
|
||
self.path_manager = ModelPathManager() # 实例化
|
||
|
||
def start(self):
|
||
"""启动进程管理器"""
|
||
if self.running:
|
||
return
|
||
|
||
self.running = True
|
||
self.logger.info(f"🚀 训练进程管理器启动 - 最大工作进程数: {self.max_workers}")
|
||
|
||
# 启动工作进程
|
||
for i in range(self.max_workers):
|
||
worker = TrainingWorker(self.task_queue, self.result_queue, self.progress_queue)
|
||
process = Process(target=worker.start, name=f"TrainingWorker-{i}")
|
||
process.start()
|
||
self.processes[f"worker-{i}"] = process
|
||
self.logger.info(f"🔧 工作进程 {i} 启动 - PID: {process.pid}")
|
||
|
||
# 启动结果监听线程
|
||
self.result_thread = Thread(target=self._monitor_results, daemon=True)
|
||
self.result_thread.start()
|
||
|
||
# 启动进度监听线程
|
||
self.progress_thread = Thread(target=self._monitor_progress, daemon=True)
|
||
self.progress_thread.start()
|
||
|
||
def stop(self):
|
||
"""停止进程管理器"""
|
||
if not self.running:
|
||
return
|
||
|
||
self.logger.info("🛑 正在停止训练进程管理器...")
|
||
self.running = False
|
||
|
||
# 发送停止信号给所有工作进程
|
||
for _ in range(self.max_workers):
|
||
self.task_queue.put(None)
|
||
|
||
# 等待所有进程结束
|
||
for name, process in self.processes.items():
|
||
process.join(timeout=10)
|
||
if process.is_alive():
|
||
self.logger.warning(f"⚠️ 强制终止进程: {name}")
|
||
process.terminate()
|
||
|
||
self.logger.info("✅ 训练进程管理器已停止")
|
||
|
||
def submit_task(self, training_params: Dict[str, Any], path_info: Dict[str, Any]) -> str:
|
||
"""
|
||
提交训练任务
|
||
Args:
|
||
training_params (Dict[str, Any]): 来自API请求的原始参数
|
||
path_info (Dict[str, Any]): 由ModelPathManager生成的路径和版本信息
|
||
"""
|
||
task_id = str(uuid.uuid4())
|
||
|
||
task = TrainingTask(
|
||
task_id=task_id,
|
||
product_id=training_params.get('product_id'),
|
||
model_type=training_params.get('model_type'),
|
||
training_mode=training_params.get('training_mode', 'product'),
|
||
store_id=training_params.get('store_id'),
|
||
epochs=training_params.get('epochs', 100),
|
||
path_info=path_info # 存储路径信息
|
||
)
|
||
|
||
with self.lock:
|
||
self.tasks[task_id] = task
|
||
|
||
# 将任务放入队列
|
||
self.task_queue.put(asdict(task))
|
||
|
||
self.logger.info(f"📋 训练任务已提交: {task_id[:8]} | {task.model_type} | {task.product_id}")
|
||
return task_id
|
||
|
||
def get_task_status(self, task_id: str) -> Optional[Dict[str, Any]]:
|
||
"""获取任务状态"""
|
||
with self.lock:
|
||
task = self.tasks.get(task_id)
|
||
if task:
|
||
return asdict(task)
|
||
return None
|
||
|
||
def get_all_tasks(self) -> Dict[str, Dict[str, Any]]:
|
||
"""获取所有任务状态"""
|
||
with self.lock:
|
||
return {task_id: asdict(task) for task_id, task in self.tasks.items()}
|
||
|
||
def cancel_task(self, task_id: str) -> bool:
|
||
"""取消任务(仅对未开始的任务有效)"""
|
||
with self.lock:
|
||
task = self.tasks.get(task_id)
|
||
if task and task.status == "pending":
|
||
task.status = "cancelled"
|
||
task.message = "任务已取消"
|
||
return True
|
||
return False
|
||
|
||
def _monitor_results(self):
|
||
"""监听训练结果"""
|
||
while self.running:
|
||
try:
|
||
result = self.result_queue.get(timeout=1)
|
||
action, task_data = result
|
||
|
||
task_id = task_data['task_id']
|
||
|
||
# 立即对从队列中取出的数据进行类型转换
|
||
serializable_task_data = convert_numpy_types(task_data)
|
||
|
||
with self.lock:
|
||
if task_id in self.tasks:
|
||
# 使用转换后的数据更新任务状态
|
||
for key, value in serializable_task_data.items():
|
||
setattr(self.tasks[task_id], key, value)
|
||
|
||
# 如果任务成功完成,则更新版本文件
|
||
if action == 'complete':
|
||
task = self.tasks[task_id]
|
||
if task.path_info:
|
||
identifier = task.path_info.get('identifier')
|
||
version = task.path_info.get('version')
|
||
if identifier and version:
|
||
try:
|
||
self.path_manager.save_version_info(identifier, version)
|
||
self.logger.info(f"✅ 版本信息已更新: identifier={identifier}, version={version}")
|
||
except Exception as e:
|
||
self.logger.error(f"❌ 更新版本文件失败: {e}")
|
||
|
||
# WebSocket通知 - 使用已转换的数据
|
||
if self.websocket_callback:
|
||
try:
|
||
if action == 'complete':
|
||
# 训练完成 - 发送完成状态
|
||
self.websocket_callback('training_update', {
|
||
'task_id': task_id,
|
||
'action': 'completed',
|
||
'status': 'completed',
|
||
'progress': 100,
|
||
'message': serializable_task_data.get('message', '训练完成'),
|
||
'metrics': serializable_task_data.get('metrics'),
|
||
'end_time': serializable_task_data.get('end_time'),
|
||
'product_id': serializable_task_data.get('product_id'),
|
||
'model_type': serializable_task_data.get('model_type')
|
||
})
|
||
# 额外发送一个完成事件,确保前端能收到
|
||
self.websocket_callback('training_completed', {
|
||
'task_id': task_id,
|
||
'status': 'completed',
|
||
'progress': 100,
|
||
'message': serializable_task_data.get('message', '训练完成'),
|
||
'metrics': serializable_task_data.get('metrics'),
|
||
'product_id': serializable_task_data.get('product_id'),
|
||
'model_type': serializable_task_data.get('model_type')
|
||
})
|
||
elif action == 'error':
|
||
# 训练失败
|
||
self.websocket_callback('training_update', {
|
||
'task_id': task_id,
|
||
'action': 'failed',
|
||
'status': 'failed',
|
||
'progress': 0,
|
||
'message': serializable_task_data.get('message', '训练失败'),
|
||
'error': serializable_task_data.get('error'),
|
||
'product_id': serializable_task_data.get('product_id'),
|
||
'model_type': serializable_task_data.get('model_type')
|
||
})
|
||
else:
|
||
# 状态更新
|
||
self.websocket_callback('training_update', {
|
||
'task_id': task_id,
|
||
'action': action,
|
||
'status': serializable_task_data.get('status'),
|
||
'progress': serializable_task_data.get('progress', 0),
|
||
'message': serializable_task_data.get('message', ''),
|
||
'metrics': serializable_task_data.get('metrics'),
|
||
'product_id': serializable_task_data.get('product_id'),
|
||
'model_type': serializable_task_data.get('model_type')
|
||
})
|
||
except Exception as e:
|
||
self.logger.error(f"WebSocket通知失败: {e}")
|
||
|
||
except queue.Empty:
|
||
continue
|
||
except Exception as e:
|
||
self.logger.error(f"结果监听错误: {e}")
|
||
|
||
def _monitor_progress(self):
|
||
"""监听训练进度"""
|
||
while self.running:
|
||
try:
|
||
progress_data = self.progress_queue.get(timeout=1)
|
||
|
||
task_id = progress_data['task_id']
|
||
|
||
# 处理日志消息,显示到主控制台
|
||
if 'log_type' in progress_data:
|
||
log_type = progress_data['log_type']
|
||
message = progress_data['message']
|
||
task_short_id = task_id[:8]
|
||
|
||
if log_type == 'info':
|
||
print(f"[{task_short_id}] {message}", flush=True)
|
||
self.logger.info(f"[{task_short_id}] {message}")
|
||
elif log_type == 'success':
|
||
print(f"[{task_short_id}] {message}", flush=True)
|
||
self.logger.success(f"[{task_short_id}] {message}")
|
||
|
||
# 如果是训练完成的成功消息,发送WebSocket通知
|
||
if "训练完成" in message:
|
||
if self.websocket_callback:
|
||
try:
|
||
self.websocket_callback('training_progress', {
|
||
'task_id': task_id,
|
||
'progress': 100,
|
||
'message': message,
|
||
'log_type': 'success',
|
||
'timestamp': time.time()
|
||
})
|
||
except Exception as e:
|
||
self.logger.error(f"成功消息WebSocket通知失败: {e}")
|
||
|
||
elif log_type == 'error':
|
||
print(f"[{task_short_id}] {message}", flush=True)
|
||
self.logger.error(f"[{task_short_id}] {message}")
|
||
elif log_type == 'warning':
|
||
print(f"[{task_short_id}] {message}", flush=True)
|
||
self.logger.warning(f"[{task_short_id}] {message}")
|
||
|
||
# 更新任务进度(只处理包含progress的消息)
|
||
if 'progress' in progress_data:
|
||
with self.lock:
|
||
if task_id in self.tasks:
|
||
self.tasks[task_id].progress = progress_data['progress']
|
||
self.tasks[task_id].message = progress_data.get('message', '')
|
||
|
||
# WebSocket通知进度更新
|
||
if self.websocket_callback and 'progress' in progress_data:
|
||
try:
|
||
# 在发送前确保所有数据类型都是JSON可序列化的
|
||
serializable_data = convert_numpy_types(progress_data)
|
||
self.websocket_callback('training_progress', serializable_data)
|
||
except Exception as e:
|
||
self.logger.error(f"进度WebSocket通知失败: {e}")
|
||
|
||
except queue.Empty:
|
||
continue
|
||
except Exception as e:
|
||
self.logger.error(f"进度监听错误: {e}")
|
||
|
||
def set_websocket_callback(self, callback: Callable):
|
||
"""设置WebSocket回调函数"""
|
||
self.websocket_callback = callback
|
||
|
||
# 全局进程管理器实例
|
||
training_manager = TrainingProcessManager()
|
||
|
||
def get_training_manager() -> TrainingProcessManager:
|
||
"""获取训练进程管理器实例"""
|
||
return training_manager |