Обробка різних типів вхідних даних у FastAPI

Розгортання AI у продакшні з FastAPI

Matt Eckerle

Software and Data Engineering Leader

Ресторан vs API

Ресторан, порівняний із вхідними даними для API

Процес валідації

Вхідні дані через запит
Перевірка вхідних даних за допомогою Pydantic
Обробка різних типів даних за вимогами моделі
Оброблені дані надсилаються до моделі

Блок-схема перевірки запиту

Система модерації коментарів

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

class CommentText(BaseModel):
    content: str

Зображення іконок поля для коментарів

Ендпоінт для чисел з плаваючою комою

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()}

Ендпоінт для текстового введення

@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)
    }

Вивід для коментаря: Sign up for free

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

Давайте потренуємось!

Розгортання AI у продакшні з FastAPI