Abdoul Ahad Binizi
52 lines
1.8 KiB
Python
52 lines
1.8 KiB
Python
"""
|
|
AHAD QUANT — Déclencheur manuel du cycle quotidien local (léger)
|
|
====================================================================
|
|
Appelle exactement la même fonction que le thread de fond AutoRetrainer
|
|
(auto_retrain.py::run_daily_unified_retrain), mais à la demande — utilisé
|
|
par le bouton "⚡ Cycle quotidien local" du web UI pour forcer un
|
|
warm-start LightGBM + RL fine-tune 100% réel sans attendre l'intervalle
|
|
de DAILY_LOCAL_RETRAIN_INTERVAL_HOURS (24h par défaut).
|
|
|
|
N'écrit PAS dans last_daily_local.json à la place du thread de fond —
|
|
run_daily_unified_retrain() s'en charge déjà lui-même (_save_daily_local_state),
|
|
donc un déclenchement manuel ici remet aussi le compteur à zéro pour le
|
|
thread de fond, ce qui est le comportement voulu (pas de double cycle
|
|
rapproché).
|
|
|
|
Usage :
|
|
python daily_local_retrain.py
|
|
"""
|
|
import sys
|
|
|
|
try:
|
|
sys.stdout.reconfigure(encoding="utf-8", errors="replace")
|
|
except AttributeError:
|
|
pass
|
|
|
|
from auto_retrain import run_daily_unified_retrain
|
|
|
|
|
|
def _notify(msg: str):
|
|
print(msg)
|
|
|
|
|
|
if __name__ == "__main__":
|
|
print("=" * 65)
|
|
print(" AHAD QUANT — Cycle quotidien local (déclenché manuellement)")
|
|
print(" ML : warm-start LightGBM (ensemble) | RL : fine-tune 100% réel")
|
|
print("=" * 65)
|
|
|
|
result = run_daily_unified_retrain(notify_fn=_notify)
|
|
|
|
print("\n" + "=" * 65)
|
|
print(f" ML mis à jour : {'✅' if result['ml_updated'] else '❌ (inchangé)'}")
|
|
print(f" RL mis à jour : {'✅' if result['rl_updated'] else '❌ (inchangé ou skip)'}")
|
|
print("=" * 65)
|
|
|
|
# Marqueur stdout parsable si besoin futur (cohérent avec le format
|
|
# RL_FINETUNE_RESULT déjà utilisé ailleurs dans le projet).
|
|
print(f"DAILY_LOCAL_RESULT ml_updated={result['ml_updated']} "
|
|
f"rl_updated={result['rl_updated']} ran={result['ran']}")
|
|
|
|
sys.exit(0)
|