⚠️警告：截至2023年底，ORES基础设施已被WMF机器学习团队，请检查https://wikitech.wikimedia.org/wiki/ORES了解更多信息。

虽然此存储库中的代码可能仍然有效，但它是未维护的这种情况随时可能发生。还应特别考虑机器学习模型发现预测质量有所下降。

替代ORES和相关基础设施的是Lift Wing：https://wikitech.wikimedia.org/wiki/Machine_Learning/LiftWing

ORES的一些改版模型运行在Lift Wing基础设施上，但它们其他方面不受支持（没有新的培训或代码更新）。

可以从以下网站上的链接下载：https://wikitech.wikimedia.org/wiki/Machine_Learning/LiftWing#Revscoring_models_（从RES迁移）

从长远来看，部分或全部这些模型可以被更新型号所取代专为现代ML基础设施（如Lift Wing）量身定制。

如果您有任何问题，请联系WMF机器学习团队：https://wikitech.wikimedia.org/wiki/Machine_学习

用于托管评分服务的Web服务器。有关更多信息，请参阅MediaWiki上的ORES文档.

ORES基于Python 3。使用pip安装ORES：

pip安装矿石（或pip3安装矿石如果您的发行版默认为Python 2）

如果你使用默认的Redis配置运行，你需要安装更多的可选库，

pip装置矿石

然后，您可以通过以下方式轻松运行测试服务器：

矿石应用程序.wsgi

使用-小时参数查看其用法。

矿石应用程序.wsgi-h

请访问这些页面，查看您的安装是否有效，

http://localhost:8080/ http://localhost:8080/v2/scores/testwiki/revid/641962088？features=true

作为运行ores进行开发、下载和安装的简单方法码头工人组成然后执行以下操作：

docker-compose构建&&docker-cose up

可通过localhost:8080访问矿石

对于本机安装，请确保安装了测试依赖项：

pip安装-r测试要求.txt

然后运行：

py.test试验。

对于docker安装，运行：

docker-compose执行官或同事py.test/ores

ORES提供了几个实用程序：

• 预制的：启动一个守护程序，在修订发生时请求评分
• 记分（_R）：使用ORES API对一组修订进行评分
• 应力测试：以可配置的速度对大量修订进行评分
• 测试api：针对活动ORES API运行一系列测试

要运行其中任何一个，请运行它./实用程序包装器：

./实用程序test_api-h

对于docker安装，通过其中一个容器运行：

docker-compose执行官ors-worker/ores/utility test_api-h

• 亚伦·哈尔法克
• Yuvi熊猫
• 阿米尔·萨拉巴达尼
• 贾斯汀·杜
• 亚当·怀特