Predikce s FastAPI a předtrénovaným modelem

Nasazení AI do produkce s FastAPI

Matt Eckerle

Software and Data Engineering Leader

Nastavení prostředí

Požadované knihovny:  

  • FastAPI: framework pro tvorbu API v Pythonu
  • uvicorn: rychlý ASGI server pro Python webové aplikace
  • joblib: pro načtení modelu

 

from fastapi import FastAPI
import uvicorn
import joblib
# Create the FastAPI app instance
app = FastAPI()
Nasazení AI do produkce s FastAPI

Načtení předtrénovaného klasifikátoru tučňáků

  • Trénován na datasetu Palmer Penguins
  • Predikuje druh tučňáka na základě 4 příznaků: délka culmen, hloubka culmen, délka ploutve a hmotnost těla
  • Výstup: Adelie, Chinstrap nebo Gentoo
import joblib

# Load the pre-trained model
model = joblib.load('penguin_classifier.pkl')
# Check data type of model to verify model loading
print(type(model))
<class 'sklearn.pipeline.Pipeline'>
1 https://huggingface.co/SIH/penguin-classifier-sklearn
Nasazení AI do produkce s FastAPI

Uvicorn

  • ASGI (Asynchronous Server Gateway Interface) server
  • Vytvořen v Pythonu a pro Python
uvicorn main:app \
        --host 0.0.0.0 \
        --port 8080
import uvicorn
uvicorn.run(app, 
            host="0.0.0.0", 
            port=8080)

Logo Uvicorn

Nasazení AI do produkce s FastAPI

Vytvoření endpointu pro predikci

# FastAPI prediction endpoint
@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}
Nasazení AI do produkce s FastAPI

Spuštění aplikace

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

Uložte veškerý kód do souboru Python – your_api_script.py

$ python3 your_api_script.py

Spouštěcí logy Uvicorn

Nasazení AI do produkce s FastAPI

Testování 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
}
Nasazení AI do produkce s FastAPI

Pojďme procvičovat!

Nasazení AI do produkce s FastAPI

Preparing Video For Download...