本篇文档包含1个案例，案例描述了将第三方模型部署为在线服务的使用链路，适用于仅需使用 TI-ONE 进行模型推理的用户。
案例：将第三方模型导入平台，并部署为在线服务
本案例以平台预置模型包中 PyTorch 图像分类模型为例，讲解如何将第三方模型部署为在线服务，部署完成后，用户可通过在线测试功能调用服务，识别输入图片的图像种类。
准备内容
1. 模型包
1.1 登录 TI-ONE 控制台，在左侧导航栏中选择模型管理 > 模型仓库，进入模型列表页面；
1.2 下载对应的模型文件和推理文件 demo，可 单击此处 下载。
1.3 这里以pytorch > detect模型为例演示后续步骤。
2. 测试数据已为您准备了如下测试数据，可以在服务发布后直接用于调用测试。
https://tione-prod-open-1256580188.cos.ap-guangzhou.myqcloud.com/ti-cloud/ti-ems/tiacc-demo-models/ts-yolov5/dining_table.jpg?步骤1：导入模型仓库
1. 进入 TI-ONE 控制台，在左侧导航栏中选择 模型管理 > 模型仓库 ，进入模型列表页面。
2. 单击 导入模型 ，在模型导入页面参考如下参数填写。
导入方式：选择 导入新模型
模型名称：自定义模型名称，例如命名为 detection
标签：按需添加，可不配置
模型来源：选择从 COS 导入（需要提前将模型文件上传到 COS 中）
模型格式：选择 TorchScript
运行环境来源：建议使用内置的运行环境，例如 pytorch1.9.0-py38(cpu)
模型文件：单击选择文件，在弹出的 COS 对话框中，选择需要使用的存储桶，单击左下方上传文件夹，将模型包中的模型文件夹上传，上传完成后选中文件夹路径
?
?
3. 单击确定 ，完成模型文件的导入。
步骤2：启动在线服务
1. 进入 TI-ONE 控制台，在左侧导航栏中选择 模型管理 > 模型仓库 ，选择步骤1创建好的模型。
2. 单击 操作-发布在线服务 ，在启动服务页面参考如下参数，填写服务基础信息
服务名称：自定义服务名称，例如命名为 classify
服务描述：按需填写服务描述信息，可不配置
计费模式：若您尚未使用过资源组管理模块，建议选择 按量付费 模式
3. 服务实例信息，可参考如下参数填写：
模型来源：默认选择 从模型仓库选择模型
选择模型：默认选择上一步骤中导入的模型文件 detection
选择版本：默认选择 v1
模型推理文件：将模型推理文件 model_service.py 上传（下载的模型包中已经提供了 model_service.py，会自动带出，用户也可以自行上传）
存储挂载：默认不填写
算力规格：按需选择，例如 32C128G T4 * 1
高级配置/启动命令：默认不填写
高级配置/环境变量：默认不填写
4. 参考如下信息完成服务高级配置
实例调节：按需选择，可使用默认值 手动调节
实例数量：按需配置，可使用默认值1
是否生成鉴权：按需开启，可使用默认值关闭
CLS 日志投递：按需开启，可使用默认值关闭
请求限流：按需开启，可使用默认值关闭
是否开启 TI-ONE 内网访问外部：按需开启，可使用默认值关闭
自动停止：按需开启，可使用默认值关闭
标签：按需添加，可不配置
5. 单击启动服务，若选择按量计费模式，会出现费用冻结确认。按量计费模式需要预先冻结两小时费用，若您账户内余额充足，单击确定即可完成服务创建。此时在服务列表中，新创建的服务会处于创建中状态，服务部署过程中将为您创建网关并调度计算资源，需要等待一段时间，待服务成功完成部署时，服务状态将变为运行中。
步骤3：服务调用测试
1. 确认上一步中发布的服务已完成部署，处于 运行中 的状态。
2. 单击 调用 操作，进入服务调用页面。
3. 在接口信息页面，可直接进行在线测试，本模型的示例请求如下：
在请求体中录入图片路径
{"image": "https://tione-prod-open-1256580188.cos.ap-guangzhou.myqcloud.com/ti-cloud/ti-ems/tiacc-demo-models/ts-yolov5/dining_table.jpg"}此时模型会实时返回测试结果。
