Обработка различных типов входных данных в FastAPI

Развёртывание ИИ в производственной среде с помощью FastAPI

Matt Eckerle

Software and Data Engineering Leader

Ресторан vs API

Сравнение ресторана с входными данными API

Процесс валидации

Входящие данные через запрос
Валидация входных данных с помощью Pydantic
Обработка различных типов данных согласно требованиям модели
Обработанные данные передаются в модель

Блок-схема валидации запроса

Система модерации комментариев

class CommentMetrics(BaseModel):
    length: int           
    user_karma: int     
    report_count: int

class CommentText(BaseModel):
    content: str

Иконки блоков комментариев

Эндпоинт для чисел с плавающей точкой

app = FastAPI()

@app.post("/predict")

def predict_score(data: CommentMetrics):

    features = np.array([
        data.length,     
        data.user_karma,
        data.report_count
    ])

    model = CommentScorer()
    prediction = model.predict(features)

    return {"prediction": round(prediction, 2),
            "input": data.dict()}

Эндпоинт для текстовых данных

@app.post("/analyze_text")

def analyze(comment: CommentText):

    forbidden = ["spam", "hate", "free"
                 "fake", "sign up"]

    text_lower = comment.lower()

    issues = [word for word in forbidden 
              if word in text_lower]

    return {
        "issues": issues,
        "needs_moderation": len(issues)
    }

Результат для комментария: Sign up for free

{
    "issues": ["free", "sign up"],
    "needs_moderation": 2
}

Давайте потренируемся!

Развёртывание ИИ в производственной среде с помощью FastAPI