Önceden eğitilmiş bir modeli yükleme

FastAPI ile Üretime AI Dağıtımı

Matt Eckerle

Software and Data Engineering Leader

Mevcut yapı

FastAPI ile ML tahmin akış şeması

Model yüklemedeki zorluk

İstek/yanıt yaşam döngüsünü açıklayan diyagram

API yanıtını bekleyen mutsuz adam

Modelleri istekten önce yükle

FastAPI ile ML tahmin akış şeması

Modeli yükleme

from fastapi import FastAPI

sentiment_model = None

def load_model():
    global sentiment_model
    sentiment_model = SentimentAnalyzer("trained_model.joblib")
    print("Model loaded successfully")

load_model()

Model loaded successfully

FastAPI lifespan olayı

FastAPI lifespan akışını açıklayan diyagram

FastAPI lifespan olayı

from contextlib import asynccontextmanager

@asynccontextmanager
async def lifespan(app: FastAPI):
    # Startup: Load the ML model
    load_model()
    yield

app = FastAPI(lifespan=lifespan)

Sağlık kontrolleri

@app.get("/health")
def health_check():
    if sentiment_model is not None:
        return {"status": "healthy", 
                "model_loaded": True}
    return {"status": "unhealthy", 
            "model_loaded": False}

Curl command:

curl -X GET \
  "http://localhost:8080/health" \
  -H "accept: application/json"

Output:

{
  "status": "healthy",
  "model_loaded": true
}

Hadi pratik yapalım!

FastAPI ile Üretime AI Dağıtımı