FastAPI 的輸入驗證

使用 FastAPI 將 AI 佈署到生產環境

Matt Eckerle

Software and Data Engineering Leader

驗證輸入資料

顯示以 FastAPI 進行機器學習預測的流程圖

為何要驗證輸入？

確保資料完整性
預防應用程式出錯
與 Pydantic 整合
提供強大的驗證工具

Pydantic 的標誌

Pydantic 的預設函式

使用 pydantic 進行欄位驗證

使用 pydantic 的自訂驗證

使用 pydantic 進行自訂驗證

友善的錯誤回報

驗證期間的錯誤回報

Pydantic 欄位驗證器

使用者註冊端點
驗證使用者輸入的使用者名稱：

from pydantic import BaseModel, Field

class User(BaseModel):
    username: str = Field(..., min_length=3, max_length=50)

加入自訂驗證器

class User(BaseModel):
    username: str = Field(..., 
                          min_length=3, 
                          max_length=50)
    age: int

    @field_validator('age')
    def age_criteria(cls, age):
        if age < 13:
            raise ValueError('User must be at least 13')
        return age

自訂驗證器實際運作

合法請求：

{"username": "john_doe", "age": 25}

Valid user: username='john_doe' age=25

非法請求：

{"username": "too_young", "age": 10}

Validation error for {'username': 'too_young', 'age': 10}: User must be at least 13

整合示範

驗證期間的錯誤回報

使用者名稱的欄位驗證器
年齡的自訂驗證器
驗證失敗時的錯誤訊息

整合示範

@app.post("/users")
def create_user(user: User):
    return {"message": "User created",
            "user": user.model_dump()}

輸出：

{
  "message": "User created successfully",
    "user": {
          "username": "john_doe", 
           "age": 25
    }
}

一起來練習吧！

使用 FastAPI 將 AI 佈署到生產環境