FastAPI में अलग-अलग इनपुट टाइप्स को संभालना

FastAPI के साथ प्रोडक्शन में AI डिप्लॉय करना

Matt Eckerle

Software and Data Engineering Leader

Restaurant बनाम API

एक रेस्टोरेंट की तुलना API के इनपुट से

Validation फ्लो

रिक्वेस्ट से आने वाला डेटा
Pydantic से इनपुट वैलिडेशन होता है
मॉडल की ज़रूरत के अनुसार अलग-अलग डेटा टाइप प्रोसेस करें
प्रोसेस किया इनपुट मॉडल को भेजें

रिक्वेस्ट वैलिडेशन का फ्लोचार्ट

Comment मॉडरेशन सिस्टम

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

class CommentText(BaseModel):
    content: str

कमेंट बॉक्स आइकॉन की इमेज

Floating point नंबरों के लिए endpoint

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()}

टेक्स्टुअल इनपुट के लिए endpoint

@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)
    }

कमेंट के लिए आउटपुट: Sign up for free

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

अभ्यास करते हैं!

FastAPI के साथ प्रोडक्शन में AI डिप्लॉय करना