Validation des entrées dans FastAPI

Déployer l'IA en production avec FastAPI

Matt Eckerle

Software and Data Engineering Leader

Valider les données d'entrée

Organigramme montrant une prédiction ML avec FastAPI

Pourquoi valider les entrées ?

Validation pour l'intégrité des données
Prévenir les erreurs dans l'application
S'intègre à Pydantic
Outils puissants pour valider les données

Logo de Pydantic

Pydantic pour fonctions prédéfinies

Validation de champ avec pydantic

Validation personnalisée avec pydantic

Signalement d'erreurs convivial

Signalement des erreurs pendant la validation

Validateurs de champs Pydantic

Point de terminaison d'inscription d'utilisateur
Valider le nom d'utilisateur saisi :

from pydantic import BaseModel, Field

class User(BaseModel):
    username: str = Field(..., min_length=3, max_length=50)

Ajouter des validateurs personnalisés

class User(BaseModel):
    username: str = Field(..., 
                          min_length=3, 
                          max_length=50)
    age: int

    @field_validator('age')
    def age_criteria(cls, age):
        if age < 13:
            raise ValueError('User must be at least 13')
        return age

Validateurs personnalisés en action

Requête valide :

{"username": "john_doe", "age": 25}

Utilisateur valide : username='john_doe' age=25

Requête invalide :

{"username": "too_young", "age": 10}

Erreur de validation pour {'username': 'too_young', 'age': 10} : User must be at least 13

Mettre le tout ensemble

Signalement des erreurs pendant la validation

Validateur de champ pour le nom d'utilisateur
Validateur personnalisé pour l'âge
Message d'erreur si la validation échoue

Mettre le tout ensemble

@app.post("/users")
def create_user(user: User):
    return {"message": "User created",
            "user": user.model_dump()}

Résultat :

{
  "message": "User created successfully",
    "user": {
          "username": "john_doe", 
           "age": 25
    }
}

Passons à la pratique !

Déployer l'IA en production avec FastAPI