我可以在哪里部署 ml 算法而不会超时？
where I can deploy ml algorithm without time out?
我使用 Heroku 通过 Pytorch 部署 ml 算法，但是当我向应用程序发送请求以训练具有 100 个 epoch 的模型时，我得到了这个
error
at=error code=H12 desc="Request Timeout" method=POST path="/train"
我搜索了请求超时，发现请求时间限制
从 Heroku 是 30 秒
超时问题怎么解决，有没有超时训练模型的平台？
模型训练可能是一项昂贵且冗长的操作，可能需要几分钟到几小时（取决于上下文和数据量），因此您可能也会遇到其他提供商的请求超时。
解决办法是让模型训练一个后台任务：
- 创建一个
worker Dyno 来安排模型训练（即每天 h11:00）
或
- 保留
web Dyno 但确保 /train 请求生成后台线程（因此 Web 请求可以快速完成并且训练在后台进行）
我使用 Heroku 通过 Pytorch 部署 ml 算法，但是当我向应用程序发送请求以训练具有 100 个 epoch 的模型时，我得到了这个 error
at=error code=H12 desc="Request Timeout" method=POST path="/train"
我搜索了请求超时，发现请求时间限制
从 Heroku 是 30 秒
超时问题怎么解决，有没有超时训练模型的平台？
模型训练可能是一项昂贵且冗长的操作，可能需要几分钟到几小时（取决于上下文和数据量），因此您可能也会遇到其他提供商的请求超时。
解决办法是让模型训练一个后台任务：
- 创建一个
workerDyno 来安排模型训练（即每天 h11:00）
或
- 保留
webDyno 但确保/train请求生成后台线程（因此 Web 请求可以快速完成并且训练在后台进行）