# AI服务
   保存在“模型管理”中的模型不仅可以对OushuDB中的大量数据进行批量预测。在“AI服务”页面中，还可以将模型创建成AI服务，开放对外的预测api接口，方便广泛应用在各种程序中。

   AI服务的主页面支持筛选、查看状态、快速上下线、批量删除等操作。

![service-list](../images/service-list.png)



   要新建一个AI服务实例，首先要点击页面右上角的“新建AI服务”按钮，在弹出的窗口中填写AI服务的名称，并选择部署服务的LittleBoy集群。

![service-new](../images/service-new.png)



   AI服务创建完成后，首先需要在左上角的下拉框中选择使用的模型。模型传入的参数和参数类型会在下方显示出来，确认无误后，点击配置模型。注意，一旦为服务配置好模型，该服务接受的参数就无法改变，虽然可以重新配置新的模型， 但是必须和最开始配置的模型拥有相同的参数。
![ai_service_model_select](../images/ai_service_model_select.png)



   模型配置成功后，点击“上线服务”即可开始上线分布式的服务。页面右方则提供了该服务的运行状态和使用情况，如调用次数的统计和折线图，调用用户IP统计等

![service-detail](../images/service-detail.png)



   页面的左下方显示了调用服务API的标准方法和示例数据。为了完成身份验证的需求，用户需要在页面右上角点击自己的用户名——选择用户信息——复制用户信息页面中的“Token”项，并且在每次发送预测请求的时候将其作为header传入，格式如下：

```
header: {"token": "LTEwXXXXXXXXXXXXXXXXXXXXXXX"}
```
![token](../images/token.png)




   也可以点击“测试”按钮，可以页面中直接向服务发送测试样例数据，方便快捷测试服务的效果。图中可以看到，预测请求的返回值一般包含了预测结果“y”(也就是训练数据里“标签”列的名称)和置信度“oushu_lb_confidence”。

![service-test](../images/service-test.png)