在命令行中将模型投入生产
很多时候，Python 模型在完善后需要投入生产，并以较高频率运行。为节省数据科学家的时间，不必每天手动运行模型，而是将运行流程自动化。
将 Python 模型自动化并投入生产，通常包括：先安装所需的库依赖，然后运行 Python 模型本身，最后为运行频率设置计划。虽然可以用不同语言和程序分别完成这些步骤，但将所有工作整合为命令行指令，更便于控制与自动化。
在本次综合练习中，您将按步骤练习如何搭建端到端的 Python 脚本自动化流程。
本练习是课程的一部分
Shell 中的数据处理
练习说明
使用
pip安装requirements.txt文件中列出的 Python 依赖。现已安装必要的 Python 依赖，请在命令行中运行
create_model.py脚本。我们已验证 Python 模型可以运行。下一步是将该任务自动化，使其每分钟运行一次。使用 CRONTAB 安排 Python 脚本
create_model.py的按分钟计划任务。打印 CRONTAB 中已安排的任务，核实 CRON 任务是否设置正确。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Preview both Python script and requirements text file
cat create_model.py
cat requirements.txt
# Pip install Python dependencies in requirements file
pip install ___ ___
# Run Python script on command line
___ create_model.py
# Add CRON job that runs create_model.py every minute
echo "___ ___ create_model.py" | ___
# Verify that the CRON job has been scheduled via CRONTAB
___ ___