我正在使用linux screen util在linux服务器[RHEL]上训练ML [管道]模型，该模型训练是由HTTP帖子启动的，其中包含一些配置参数，等等。有时，模型训练需要很多时间超过2个小时的时间...，由于超时，收到ML模型的配置参数的cherrypy服务器关闭了。
麻烦是...
成功的培训后，将处理一堆数据/日志消息，当樱桃服务器超时时，所有这些数据/日志消息都会停止/失败。.等待ML培训代码中的消息
我该如何解决..？
我尝试延长会话超时时间，但是有些数据集可能需要花费比最大限制更多的时间进行训练
screen_process = startLinuxScreenProcess(scrn_name, os.path.join(script_path, 'model_trainer'), engn, classifier)
startLinuxScreenProcess->使用python的子进程模块运行命令 完成后的model_trainer.py将返回成功失败消息以及准确性数字和其他一些模型详细信息[名称/输入参数]，这些信息稍后将存储在mongoDB中
以这种方式使用CherryPy的想法。
您如何处理模型训练和后续记录之间的长时间等待？。