Predykcja FastAPI z wytrenowanym modelem

Wdrażanie AI na produkcję z FastAPI

Matt Eckerle

Software and Data Engineering Leader

Konfiguracja środowiska

Wymagane biblioteki:

FastAPI: framework do tworzenia API w Pythonie
uvicorn: szybki serwer ASGI dla aplikacji webowych w Pythonie
joblib: do wczytywania modelu

from fastapi import FastAPI
import uvicorn
import joblib
# Create the FastAPI app instance
app = FastAPI()

Wczytywanie wytrenowanego klasyfikatora pingwinów

Wytrenowany na zbiorze danych Palmer Penguins
Przewiduje gatunek pingwina na podstawie 4 cech: długość culmen, głębokość culmen, długość płetwy i masa ciała
Wynik: Adelie, Chinstrap lub 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

Uvicorn

Serwer ASGI (Asynchronous Server Gateway Interface)
Stworzony przez Pythonowców i dla Pythonowców

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

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

Logo Uvicorn

Tworzenie endpointu predykcji

# 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}

Uruchamianie aplikacji

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

Zapisz cały kod w pliku Python - your_api_script.py

$ python3 your_api_script.py

Logi startowe Uvicorn

Testowanie 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
}

Czas na ćwiczenia!

Wdrażanie AI na produkcję z FastAPI