Predicción con FastAPI y un modelo preentrenado

Implementación de IA en producción con FastAPI

Matt Eckerle

Software and Data Engineering Leader

Configuración del entorno

Librerías necesarias:

FastAPI: framework para crear APIs con Python
uvicorn: servidor ASGI rápido para apps web en Python
joblib: para cargar el modelo

from fastapi import FastAPI
import uvicorn
import joblib
# Crear la instancia de la app FastAPI
app = FastAPI()

Cargar el clasificador de pingüinos preentrenado

Entrenado con el conjunto de datos Palmer Penguins
Predice la especie según 4 variables: longitud y profundidad del culmen, longitud de aleta y masa corporal
Salida: Adelie, Chinstrap o Gentoo

import joblib

# Cargar el modelo preentrenado
model = joblib.load('penguin_classifier.pkl')
# Comprobar el tipo para verificar la carga
print(type(model))

<class 'sklearn.pipeline.Pipeline'>

¹ https://huggingface.co/SIH/penguin-classifier-sklearn

Uvicorn

Servidor ASGI (Asynchronous Server Gateway Interface)
Creado por y para Python

uvicorn main:app \
        --host 0.0.0.0 \
        --port 8080

import uvicorn
uvicorn.run(app, 
            host="0.0.0.0", 
            port=8080)

Logotipo de Uvicorn

Crear el endpoint de predicción

# Endpoint de predicción en FastAPI
@app.post("/predict")
def predict(culmen_length_mm, culmen_depth_mm, 
            flipper_length_mm, body_mass_g):

    features = [[culmen_length_mm, culmen_depth_mm,
                 flipper_length_mm, body_mass_g]]

    prediction = model.predict(features)[0]
    return {"predicted_species": prediction}

Ejecutar la aplicación

if __name__ == "__main__":
    uvicorn.run(
      app, 
      host="0.0.0.0", 
      port=8080)

Guarda todo el código en un archivo de Python: your_api_script.py

$ python3 your_api_script.py

Registros de inicio de Uvicorn

Probar la API

curl \

  -X POST "http://localhost:8080/predict" \

  -H "Content-Type: application/json" \

  -d '{"culmen_length_mm": 39.1,
       "culmen_depth_mm": 18.7,
       "flipper_length_mm": 181,
       "body_mass_g": 3750}'

{
    "prediction": "Adelie",
    "confidence": 0.87
}

¡Vamos a practicar!

Implementación de IA en producción con FastAPI