การจัดการประเภท input ใน FastAPI

การ Deploy AI สู่ Production ด้วย FastAPI

Matt Eckerle

Software and Data Engineering Leader

ร้านอาหาร vs API

การเปรียบเทียบร้านอาหารกับ input ของ API

ขั้นตอนการตรวจสอบความถูกต้อง

รับข้อมูลผ่าน request
ตรวจสอบความถูกต้องของ input ด้วย Pydantic
ประมวลผลข้อมูลแต่ละประเภทตามที่โมเดลต้องการ
ส่ง input ที่ผ่านการประมวลผลไปยังโมเดล

ผังแสดงการตรวจสอบ request

ระบบกลั่นกรองความคิดเห็น

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

class CommentText(BaseModel):
    content: str

ไอคอนกล่องความคิดเห็น

Endpoint สำหรับตัวเลขทศนิยม

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()}

Endpoint สำหรับข้อมูลข้อความ

@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)
    }

ผลลัพธ์สำหรับความคิดเห็น: Sign up for free

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

มาฝึกกันเถอะ!

การ Deploy AI สู่ Production ด้วย FastAPI