การโหลดโมเดลที่ผ่านการฝึกแล้ว

การ Deploy AI สู่ Production ด้วย FastAPI

Matt Eckerle

Software and Data Engineering Leader

โครงสร้างปัจจุบัน

ผังแสดงการพยากรณ์ด้วย ML ผ่าน FastAPI

ปัญหาของการโหลดโมเดล

ผังอธิบายวงจร request/response

ชายผู้หงุดหงิดที่รอการตอบสนองจาก API

โหลดโมเดลก่อนรับ request

ผังแสดงการพยากรณ์ด้วย ML ผ่าน FastAPI

การโหลดโมเดล

from fastapi import FastAPI

sentiment_model = None

def load_model():
    global sentiment_model
    sentiment_model = SentimentAnalyzer("trained_model.joblib")
    print("Model loaded successfully")

load_model()

Model loaded successfully

Lifespan event ของ FastAPI

ผังอธิบาย lifespan ของ FastAPI

Lifespan event ของ FastAPI

from contextlib import asynccontextmanager

@asynccontextmanager
async def lifespan(app: FastAPI):
    # Startup: Load the ML model
    load_model()
    yield

app = FastAPI(lifespan=lifespan)

การตรวจสอบสถานะ (Health checks)

@app.get("/health")
def health_check():
    if sentiment_model is not None:
        return {"status": "healthy", 
                "model_loaded": True}
    return {"status": "unhealthy", 
            "model_loaded": False}

คำสั่ง Curl:

curl -X GET \
  "http://localhost:8080/health" \
  -H "accept: application/json"

ผลลัพธ์:

{
  "status": "healthy",
  "model_loaded": true
}

มาฝึกกันเถอะ!

การ Deploy AI สู่ Production ด้วย FastAPI