ShopTRAINING/xz模型预测修改.md

模型预测路径修复记录

修改时间: 2025-07-18 18:43:50

1. 问题背景

系统在进行模型预测时出现“文件未找到”的错误。经分析，根本原因是模型加载逻辑（预测时）与模型保存逻辑（训练时）遵循了不一致的路径规则。

• 保存规则 (新): 遵循 xz训练模型保存规则.md，将模型保存在结构化的层级目录中，例如 saved_models/product/{product_id}_all/mlstm/v1/model.pth。
• 加载逻辑 (旧): 代码中硬编码了扁平化的文件路径查找方式，例如在 saved_models 根目录下直接查找名为 {product_id}_{model_type}_v1.pth 的文件。

这种不匹配导致预测功能无法定位到已经训练好的模型。

2. 修复方案

为了解决此问题，我们采取了集中化路径管理的策略，确保整个应用程序都通过一个统一的管理器来生成和获取模型路径。

3. 代码修改详情

第一处修改：增强路径管理器

• 文件: server/utils/file_save.py
• 操作: 在 ModelPathManager 类中新增了 get_model_path_for_prediction 方法。
• 目的:
  • 提供一个专门用于预测时获取模型路径的函数。
  • 该函数严格按照 xz训练模型保存规则.md 中定义的层级结构来构建模型文件的完整路径。
  • 这使得路径生成逻辑被集中管理，避免了代码各处的硬编码。

第二处修改：修复API预测接口

• 文件: server/api.py
• 操作:
  1. 修改了 /api/prediction 接口 (predict 函数) 的内部逻辑。
  2. 修改了辅助函数 run_prediction 的定义和实现。
• 目的:
  • predict 函数: 移除了所有旧的、手動拼接模型文件名的错误逻辑。转而实例化 ModelPathManager 并调用其新的 get_model_path_for_prediction 方法来获取准确、唯一的模型路径。
  • run_prediction 函数: 更新了其函数签名，增加了 model_path 参数，使其能够接收并向下传递由 predict 函数获取到的正确路径。同时，简化了其内部逻辑，直接调用 load_model_and_predict。

第三处修改：修复模型加载器

• 文件: server/predictors/model_predictor.py
• 操作: 修改了 load_model_and_predict 函数。
• 目的:
  • 更新函数签名，添加了 model_path 参数。
  • 彻底移除了函数内部所有复杂的、用于猜测模型文件位置的旧逻辑。
  • 函数现在完全依赖于从 api.py 传递过来的 model_path 参数来加载模型，确保了加载路径的准确性。

4. 结论

通过以上三处修改，我们打通了从API请求到模型文件加载的整个链路，确保了所有环节都遵循统一的、正确的结构化路径规则。这从根本上解决了因路径不匹配导致模型读取失败的问题。