Requêtes GET et POST pour l'IA

Déployer l'IA en production avec FastAPI

Matt Eckerle

Software and Data Engineering Leader

Votre formateur

Matt Eckerle

Leader en génie logiciel et des données
Gestionnaire des données d'entreprise chez Inari
Utilise FastAPI pour le ML depuis 2019

Aperçu du cours

Principes de base de FastAPI
Traitement des requêtes et intégration
Validation des entrées et sécurité
Créer et maintenir des API prêtes pour la production

Logo de FastAPI

Avant de commencer

✓ Python de base : fonctions, classes, modules, structures de données

Logo de Python

Avant de commencer

✓ Python de base : fonctions, classes, modules, structures de données

✓ Concepts HTTP et API REST

Logos de Python et http

Avant de commencer

✓ Python de base : fonctions, classes, modules, structures de données

✓ Concepts HTTP et API REST

✓ Utiliser le cadre FastAPI

Traiter les requêtes GET et POST
Utiliser des modèles Pydantic

✓ Notions de base en Machine Learning

Logos de Python, http et FastAPI

Requêtes GET : explications

Sert à récupérer des données
Paramètre de chemin : info dans l'URL
Ne modifie pas l'état du serveur

GET https://example.com/?item_id=1

Schéma pour comprendre les requêtes GET

Implémenter GET avec paramètres de chemin

from fastapi import FastAPI

app = FastAPI()

@app.get("/item/{item_id}")
async def read_item(item_id: int):
    return {"item_id": item_id}

Le décorateur `@app.get` définit le point de terminaison.
{item_id} est un paramètre de chemin.
Annotation de type (int) pour la validation automatique.

Requêtes POST : explications

Sert à envoyer des données au serveur
Données dans le corps de la requête (souvent JSON)
Peut modifier l'état du serveur

Une commande au restaurant

POST https://example.com

Schéma pour comprendre les requêtes POST

Implémenter POST avec des données JSON

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()
db = {}

class Item(BaseModel):
    name: str
    price: float

@app.post("/items", status_code=201)

def create_item(item: Item):
      db[item.name] = item.model_dump()
    return {"message": 
            f"Created {item.name}"}

Le modèle Pydantic définit la structure des données
@app.post pour le point de terminaison POST
Analyse et validation JSON automatiques

Codes d'état HTTP

200 OK : succès par défaut
404 Not Found : ressource introuvable
201 Created : objet créé

Code d'état HTTP 200 indiquant une requête réussie

Lancer des exceptions HTTP

from fastapi import FastAPI, HTTPException
app = FastAPI()

@app.get("/item/{item_id}")
async def read_item(item_id: int):
    if item_id == 4242: #An invalid order number
        raise HTTPException(status_code=404, detail="Item not found")
    return {"item_id": item_id}

@app.post("/items")
async def create_item(item: Item):
    # Simulating item creation
    return {"message": f"Created {item.name}"}, 201

Passons à la pratique !

Déployer l'IA en production avec FastAPI