Začněte nyníZačněte zdarma

Vytvoření Pydantic modelu pro vstup do ML modelu

Vyvíjíš FastAPI aplikaci pro nasazení modelu strojového učení, který předpovídá skóre kvality kávy na základě atributů, jako jsou aroma, chuť a nadmořská výška.

Prvním krokem je vytvořit Pydantic model, který ověří vstupní data požadavku pro tvůj ML model a zajistí, že do modelu budou vstupovat pouze platná data pro úspěšnou predikci.

Toto cvičení je součástí kurzu

Nasazení AI do produkce s FastAPI

Zobrazit kurz

Pokyny k cvičení

  • Importuj základní validační třídu z Pydantic pro vytvoření datového modelu.
  • Definuj třídu s názvem CoffeeQualityInput, která dědí ze základní třídy Pydantic.
  • Přidej do třídy tři atributy: aroma (float), flavor (float) a altitude (int).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the base class from pydantic
from pydantic import ____ 

class CoffeeQualityInput(____):
    # Use apt data type for each attribute of coffee quality
    aroma: ____  
    flavor: ____  
    altitude: ____
Upravit a spustit kód